A modified particle swarm optimization algorithm based on dynamic learning factors and sharing method(基于动态因子和共享适应度的改进粒子群算法)

为提高粒子群算法的收敛速度和优化性能，避免陷入局部最优，提出了一种基于动态学习因子和共享适应度函数的改进粒子群算法.在惯性权重w随着迭代次数非线性减少而动态调整学习因子的基础上，引入共享适应度函数.当算法未达到终止条件而收敛时，利用粒子和最优解间距离挑选一批粒子重新初始化形成新群体，并用共享适应度函数对新群体进行评价，新旧2个群体分别追随自己的局部最优解直至迭代结束.对4个典型多峰复杂函数的测试结果表明，该改进算法不仅加快了寻得最优解的速度，而且提高了粒子群算法全局收敛的性能.

Dettagli Bibliografici

Autori principali:	TANYifeng(谭熠峰), SUNTingting(孙婷婷), XUXinming(徐新民)
Natura:	Artigo
Lingua:	Chinês
Pubblicazione:	Zhejiang University Press 2016-11-01
Serie:	Zhejiang Daxue xuebao. Lixue ban
Soggetti:	动态 学习因子 共享适应度 粒子群算法
Accesso online:	https://doi.org/10.3785/j.issn.1008-9497.2016.06.014
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!