会议专题

基于双变异算子的混合粒子群优化算法

针对标准粒子群算法的缺点,本文提出了双变异算子的混合粒子群优化算法(DDPSO)。该算法通过两次高斯变异控制算法进程,同时动态调节惯性权重。大概率的最差适应度变异对惰性粒子重新初始化,增加搜索空间。小概率的最优适应度变异加强最优解附近范围搜索,增加种群多样性,通过对Benchmark函数的测试结果表明:DDPSO算法确保了全局和局部搜索性能的动态平衡,在收敛性和稳定性上均明显优于标准粒子群算法(LWPSO)和杂交粒子群算法(HPSO)。

粒子群优化 动态惯性权重 双变异算子 种群多样性 高斯变异控制

党明梅 王振雷 钱锋

华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海 200237

国内会议

第十九届全国测控、计量、仪器仪表学术年会

桂林

中文

72-75

2009-11-01(万方平台首次上网日期,不代表论文的发表时间)