基于反向学习和高斯扰动的粒子群优化算法
朱德刚
洪建
张洁
安徽医科大学第一附属医院 合肥 230022
摘要：针对标准粒子群优化算法(Particle Swarm Optimization,PSO)收敛速度慢,易陷入局部最优的问题,提出一种基于反向学习和高斯扰动的粒子群优化算法.算法在粒子"自我学习"基础上,随机选择种群中任意粒子的反向位置,对当前粒子进行反向学习,增加种群多样性.算法在进化过程中,还对全局最优位置进行高斯扰动,防止算法陷入局部最优.实验表明,相比较传统知名算法如FIPS、HPSO-TVAC、DMS-PSO、CLPSO、APSO等.论文算法在30维和100维测试函数上,无论是收敛精度,还是收敛速度,均具有明显的优势.
关键词：粒子群优化算法反向学习高斯扰动
分类号：TP301.6(计算技术、计算机技术)TP18(自动化基础理论)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2993-2998 )
英文信息