具有自适应随机惯性权重的PSO算法

通过对标准PSO算法中惯性权重和全局最好值的分析,提出了一种根据全局最好值的变化而自适应变化的随机惯性权重的方法。通过对5个典型的Benchmark函数的测试,结果表明此方法在收敛速度和全局收敛性方面都较线性递减的惯性权重的方法有所改进。最后,将改进的PSO算法应用于分类问题,与标准PSO算法与C4.5的结果相比,分类精度和速度都有所提高。

基于改进的鸟群算法求解农产品冷链物流配送路径优化问题

鸟群算法(BSA)在求解高维复杂的优化问题时,很容易陷入局部极值,尤其在鸟群觅食过程中总会出现"早熟"现象。针对原鸟群算法的不足,提出一种改进的鸟群优化算法(WBSA)。通过仿真试验,结果表明,提出的算法具有较好的收敛速度和寻优精度。最后,通过对农产品冷链物流配送优化路径模型的简化,构建求解农产品冷链物流配送路径优化问题的WBSA优化算法,利用数值实例表明WBSA算法对此类问题具有可行性和有效性。