JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

用快速收敛粒子群优化算法解决函数优化问题

郑晓月

郑晓月. 用快速收敛粒子群优化算法解决函数优化问题[J]. 轻工学报, 2016, 31(3): 89-92. doi: 10.3969/j.issn.2096-1553.2016.3.012
引用本文: 郑晓月. 用快速收敛粒子群优化算法解决函数优化问题[J]. 轻工学报, 2016, 31(3): 89-92. doi: 10.3969/j.issn.2096-1553.2016.3.012
ZHENG Xiao-yue. Functions optimization based on fast convergence particle swarm optimization[J]. Journal of Light Industry, 2016, 31(3): 89-92. doi: 10.3969/j.issn.2096-1553.2016.3.012
Citation: ZHENG Xiao-yue. Functions optimization based on fast convergence particle swarm optimization[J]. Journal of Light Industry, 2016, 31(3): 89-92. doi: 10.3969/j.issn.2096-1553.2016.3.012

用快速收敛粒子群优化算法解决函数优化问题

  • 基金项目: 河南省基础与前沿技术研究计划项目(142300410188)

  • 中图分类号: TP301.6

Functions optimization based on fast convergence particle swarm optimization

  • Received Date: 2015-11-18
    Available Online: 2016-05-15

    CLC number: TP301.6

  • 摘要: 针对标准PSO算法在计算过程中易陷入局部最优而无法跳出的问题,提出了一种基于平衡单个粒子位置多样性的快速收敛PSO(FCPSO)算法.该算法在PSO算法中引入一个新的参数,即粒子平均尺寸以快速准确地锁定全局最优解.实验结果表明,FCPSO算法的收敛性明显优于PSO算法和CPSO算法.
    1. [1]

      KENNEDY J,EBERHART R.Particle swarm optimization[C]//Proceedings of the IEEE International Conference on Neural Networks, Piscataway:IEEE,1995:1942.

    2. [2]

      邓璐娟,卢华琦,刁海港,等.基于遗传-粒子群混合算法的测试数据自动生成[J].郑州轻工业学院学报,2010,25(3):43.

    3. [3]

      张华伟,杨凯.基于粒子群优化算法的排课问题研究[J].郑州轻工业学院学报,2010,25(3):49.

    4. [4]

      张丽丽.PSO算法介绍[J].山西财经大学学报,2007,29(2):214.

    5. [5]

      谢铮桂,钟少丹,韦玉科.改进的粒子群优化算法及收敛性分析[J].计算机工程与应用,2011,47(1):46.

    6. [6]

      李宁.粒子群优化算法的理论分析与应用研究[D].武汉:华中科技大学,2006.

    7. [7]

      曾建潮,崔志.一种保证全局收敛的PSO算法[J].计算机研究与发展,2004,41(8):1333.

    8. [8]

      EBERHART R C, KENNEDY J.A new optimizer using particle swarm theory[C]//Proceedings of the Sixth International Symposium on Micro Machine and Human Science,Piscataway:IEEE,1995:39.

    9. [9]

      KENNEDY J,MENDES R.Neighborhood topologies in fully informed and best-of-neighborhood particle swarms[J].IEEE transactions on systems,man,and cybernetics,Part C,2006,36(4):515.

    1. [1]

      方亦成杨菁陆诚玮冯奇汪旭 . 基于层次分析法的加热卷烟感官评价指标筛选及其权重建立. 轻工学报, 2024, 0(0): -.

    2. [2]

      罗亮师东方朱鲜艳宗东岳王明辉王鹏飞金强李朝建 . 基于增量式PID算法的香精施加系统设计. 轻工学报, 2024, 0(0): -.

  • 加载中
计量
  • PDF下载量:  184
  • 文章访问数:  8842
  • 引证文献数: 0
文章相关
  • 收稿日期:  2015-11-18
  • 刊出日期:  2016-05-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
郑晓月. 用快速收敛粒子群优化算法解决函数优化问题[J]. 轻工学报, 2016, 31(3): 89-92. doi: 10.3969/j.issn.2096-1553.2016.3.012
引用本文: 郑晓月. 用快速收敛粒子群优化算法解决函数优化问题[J]. 轻工学报, 2016, 31(3): 89-92. doi: 10.3969/j.issn.2096-1553.2016.3.012
ZHENG Xiao-yue. Functions optimization based on fast convergence particle swarm optimization[J]. Journal of Light Industry, 2016, 31(3): 89-92. doi: 10.3969/j.issn.2096-1553.2016.3.012
Citation: ZHENG Xiao-yue. Functions optimization based on fast convergence particle swarm optimization[J]. Journal of Light Industry, 2016, 31(3): 89-92. doi: 10.3969/j.issn.2096-1553.2016.3.012

用快速收敛粒子群优化算法解决函数优化问题

  • 商丘师范学院 计算机与信息技术学院, 河南 商丘 476000
基金项目:  河南省基础与前沿技术研究计划项目(142300410188)

摘要: 针对标准PSO算法在计算过程中易陷入局部最优而无法跳出的问题,提出了一种基于平衡单个粒子位置多样性的快速收敛PSO(FCPSO)算法.该算法在PSO算法中引入一个新的参数,即粒子平均尺寸以快速准确地锁定全局最优解.实验结果表明,FCPSO算法的收敛性明显优于PSO算法和CPSO算法.

English Abstract

参考文献 (9) 相关文章 (2)

目录

/

返回文章