学术论文

      一种自适应柯西变异的反向学习粒子群优化算法

      Opposition-based Particle Swarm Optimization with Adaptive Cauchy Mutation

      摘要:
      针对传统粒子群优化算法易出现早熟的问题,提出了一种自适应变异的反向学习粒子群优化算法.该算法在一般性反向学习方法的基础上,提出了自适应柯西变异策略(ACM).采用一般性反向学习策略生成反向解,可扩大搜索空间,增强算法的全局勘探能力.为避免粒子陷入局部最优解而导致搜索停滞现象的发生,采用ACM策略对当前最优粒予进行扰动,自适应地获取变异点,在有效提高算法局部开采能力的同时,使算法能更加平稳快速地收敛到全局最优解.为进一步平衡算法的全局搜索与局部探测能力,采用非线性的自适应惯性权值.将算法在14个测试函数上与多种基于反向学习策略的PSO算法进行对比,实验结果表明提出的算法在解的精度以及收敛速度上得到了大幅度的提高.
      作者: 康岚兰 [1] 董文永 [2] 田降森 [2]
      Author: KANG Lan-lan [1] DONG Wen-yong [2] TIAN Jiang-sen [2]
      作者单位: 武汉大学计算机学院 武汉430072;江西理工大学应用科学学院 赣州341000 武汉大学计算机学院 武汉430072
      刊 名: 计算机科学 ISTICPKU
      Journal: Computer Science
      年,卷(期): 2015, 42(10)
      分类号: TP181
      机标分类号: TP3 TP1
      在线出版日期: 2015年11月18日
      基金项目: 国家自然科学基金项目:智能仿真优化理论与方法研究,伊藤算法及其在动态仿真优化中的理论研究