基于拟熵自适应启动局部搜索策略的混合粒子群算法

被引：6

作者：

曹玉莲

李文锋

张煜

机构：

[1] 武汉理工大学物流工程学院

来源：

电子学报 | 2018年 / 46卷 / 01期

关键词：

进化算法; 粒子群优化; 自适应策略; 局部搜索; 种群多样性;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在继承综合学习粒子群算法(Comprehensive Learning Particle Swarm Optimizer,CLPSO)全局探索优势的基础上,引入具有高效收敛性能的传统局部搜索(Orthodox Local Search,OLS)方法,提出了基于拟熵自适应启动局部搜索策略的混合粒子群算法(Hybrid Particle Swarm Optimization algorithm with Adaptive starting strategy of Local Search based on Quasi-Entropy,ALSQE-HPSO).采用拟熵指标解决何时启动OLS这一关键问题.对8个标准函数的10维和20维问题的测试结果,表明了ALSQE-HPSO算法的性能优势.本文提出的算法也与包含两种基于CLPSO的改进算法和一种带OLS的粒子群算法在内的其他6种改进粒子群算法进行了对比,实验结果表明ALSQE-HPSO算法的性能优于对比算法.

引用

页码：110 / 117

页数：8

共 11 条

[1] 基于改进粒子群算法和特征点集的无线传感器网络覆盖问题研究 [J].

丁旭 ;

吴晓蓓 ;

黄成 .

电子学报, 2016, 44 (04) :967-973

[2] 基于折射原理反向学习模型的改进粒子群算法 [J].

邵鹏 ;

吴志健 ;

周炫余 ;

邓长寿 .

电子学报, 2015, 43 (11) :2137-2144

[3] 具有异构分簇的粒子群优化算法研究 [J].

李文锋 ;

梁晓磊 ;

张煜 .

电子学报, 2012, 40 (11) :2194-2199

[4]

Dynamic mentoring and self-regulation based particle swarm optimization algorithm for solving complex real-world optimization problems[J] . M.R. Tanweer,S. Suresh,N. Sundararajan.Information Sciences . 2016

[5]

Heterogeneous comprehensive learning particle swarm optimization with enhanced exploration and exploitation[J] . Nandar Lynn,Ponnuthurai Nagaratnam Suganthan.Swarm and Evolutionary Computation . 2015

[6]

Self regulating particle swarm optimization algorithm[J] . M.R. Tanweer,S. Suresh,N. Sundararajan.Information Sciences . 2015

[7]

Forecasting interval time series using a fully complex-valued RBF neural network with DPSO and PSO algorithms[J] . Tao Xiong,Yukun Bao,Zhongyi Hu,Raymond Chiong.Information Sciences . 2015

[8]

A dynamic neighborhood learning based particle swarm optimizer for global numerical optimization[J] . Md Nasir,Swagatam Das,Dipankar Maity,Soumyadip Sengupta,Udit Halder,P.N. Suganthan.Information Sciences . 2012

[9] Memetic particle swarm optimization [J].

Petalas, Y. G. ;

Parsopoulos, K. E. ;

Vrahatis, M. N. .

ANNALS OF OPERATIONS RESEARCH, 2007, 156 (01) :99-127

[10]

The particle swarm optimization algorithm: convergence analysis and parameter selection[J] . Ioan Cristian Trelea.Information Processing Letters . 2002 (6)

← 1 2 →