基于动态种群的双重学习粒子群优化算法

Tianyuan LIU,Wenfeng WANG,Xuecai BAO,Longzhe HAN,Deng XU,Jianhua DONG,Zonghua FANG

Journal of Nanchang Institute of Technology（2020）

引用 0|浏览4

暂无评分

摘要

粒子群算法的全局勘探能力和局部开发能力的不协调往往会导致算法收敛不精、陷入早熟.针对上述问题,提出了基于动态种群的双重学习粒子群优化算法(DP-DLPSO).首先将粒子种群划分为勘探子种群和开发子种群,让两个子种群以不同的学习机制引导粒子运动,粒子处于寻优期间时,子群体间无信息交流,如果开发种群陷入局部最优也不会影响到勘探种群的寻优能力;其次,采用动态种群思想,勘探种群将会把好的粒子输送到开发种群中去,增加开发种群中有效解的几率,提高粒子的收敛精度;最后,对开发种群采用高斯扰动策略以提高粒子跳出局部最优的能力.将DP-DLPSO与5个改进粒子群算法进行比较,实验结果表明DP-DLPSO在收敛精度和收敛速度上具有更大的优势.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要