一种遗传算法与粒子群优化的多子群分层混合算法
金敏
鲁华祥
1.中国科学院半导体研究所人工神经网络实验室,北京,1000832.中国科学院半导体研究所人工神经网络实验室,北京,100083
摘要：针对遗传算法全局搜索能力强和粒子群优化收敛速度快的特点,本文从种群个体组织结构上着手,进行优势互补,提出了一种遗传算法和粒子群优化的多子群分层混合算法(multi-subgroup hierarchical hybrid of genetic algorithm and particle swarm optimization,HGA-PSO).算法采用分层结构,底层由一系列的遗传算法子群组成,贡献算法的全局搜索能力;上层是由每个子群的最优个体组成的精英群,采用钳制了初始速度的粒子群算法进行精确局部搜索.文中分析论证了HGA-PSO算法具有全局收敛性,并采用7个典型高维Benchmark函数进行测试,实验结果显示该算法的优化性能显著优于其他测试算法.
关键词：遗传算法粒子群优化分层混合算法多子群
分类号：TP18(自动化基础理论)
资助基金：中国科学院战略性先导科技专项(XDA06020700)国家自然科学基金(61076014)江苏省高等学校自然科学研究项目(10KJA50042)
论文发表日期：2013-01-01
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：8( 1231-1238 )
英文信息