共 14 条
- [7] PSO-SA算法的改进及其在关联规则挖掘中的应用研究[D]. 金涛.华中师范大学 2013
- [8] 粒子群优化及智能故障诊断[M]. 国防工业出版社 , 魏秀业, 2010
- [9] 粒子群优化算法及其工程应用[M]. 电子工业出版社 , 刘波, 2010
- [10] 粒子群算法及应用[M]. 科学出版社 , 纪震, 2009
一种结合自适应惯性权重的混合粒子群算法
被引：24
|作者：
于桂芹
[1
,2
]
李刘东
[3
]
袁永峰
[4
]
机构：
[1] 四川大学计算机技术学院
[2] 成都艺术职业学院公共教学部
[3] 哈尔滨工业大学理学院
[4] 哈尔滨工业大学计算机科学与技术学院
来源：
关键词：
自适应;
惯性权重;
模拟退火法;
粒子群优化;
混合算法;
D O I：
10.15938/j.jhust.2016.03.010
中图分类号：
TP18 [人工智能理论];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
粒子群算法(particle swarm optimization,PSO)是一种容易实现且高效的优化算法,但该算法对各种参数反应较为敏感.本文针对经典粒子群算法容易陷入局部最优的不足之处进行研究,提出对经典粒子群算法使用自适应惯性权重并引入模拟退火法的思想来解决经典粒子群优化算法容易陷入局部最优解的问题.仿真实验结果表明,本文提出的混合算法与经典粒子群算法相比,不仅能够避免寻优过程中陷入局部最优问题,而且还具有收敛速度快、成功次数高、稳定性及寻优结果好等特点.
引用
收藏
页码：49 / 53
页数：5
相关论文