一种改进的微粒群优化算法
标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大.针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率.经J.D.Schaffer函数和LevyNo.5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高.
微粒群算法 优化算法 动态参数 收敛速度
冯春丽 唐毅谦 赵悦
辽宁工学院信息科学与工程学院,锦州,121001 辽宁工学院工程技术学院,锦州,121001
国内会议
江苏无锡
中文
58-61
2006-07-31（万方平台首次上网日期，不代表论文的发表时间）