为解决粒子群优化(Particle Swarm Optimization,PSO)算法中粒子越界、算法进化后期收敛速度慢和早熟收敛的问题,通过分析PSO算法中粒子运动行为和算法稳定性,提出了一种基于空间缩放和吸引子的粒子群优化(PSO with search space zoomed...为解决粒子群优化(Particle Swarm Optimization,PSO)算法中粒子越界、算法进化后期收敛速度慢和早熟收敛的问题,通过分析PSO算法中粒子运动行为和算法稳定性,提出了一种基于空间缩放和吸引子的粒子群优化(PSO with search space zoomed factor and attractor,SzAPSO)算法.该算法利用对搜索空间进行缩放的边界变异策略有效控制了粒子搜索范围,保证了算法全局探测能力;算法中吸引子的引入增加了感兴趣区域的粒子密度,提高了算法局部开发能力.实验结果表明,SzAPSO算法收敛速度快、精度高,且具有较好的鲁棒性.展开更多
基金supported by National Natural Science Foundation of China(10971068)Doctoral Program Foundation of the Ministry of Education of China(20110076110004)+1 种基金Program for New Century Excellent Talents in University(NCET-09-0356)"Fundamental Research Funds for the Central Universities"
文摘为解决粒子群优化(Particle Swarm Optimization,PSO)算法中粒子越界、算法进化后期收敛速度慢和早熟收敛的问题,通过分析PSO算法中粒子运动行为和算法稳定性,提出了一种基于空间缩放和吸引子的粒子群优化(PSO with search space zoomed factor and attractor,SzAPSO)算法.该算法利用对搜索空间进行缩放的边界变异策略有效控制了粒子搜索范围,保证了算法全局探测能力;算法中吸引子的引入增加了感兴趣区域的粒子密度,提高了算法局部开发能力.实验结果表明,SzAPSO算法收敛速度快、精度高,且具有较好的鲁棒性.