主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
倪庆剑,张志政,王蓁蓁,邢汉承.一种基于可变多簇结构的动态概率粒子群优化算法.软件学报,2009,20(2):339-349
一种基于可变多簇结构的动态概率粒子群优化算法
Dynamic Probabilistic Particle Swarm Optimization Based on Varying Multi-Cluster Structure
投稿时间:2007-07-02  修订日期:2007-11-20
DOI:
中文关键词:  群智能  粒子群优化算法  邻域拓扑  可变拓扑  多簇结构
英文关键词:swarm intelligence  particle swarm optimization  neighborhood topology  varying topology  multi-cluster structure
基金项目:Supported by the National Natural Science Foundation of China under Grant No.90412014 (国家自然科学基金)
作者单位
倪庆剑 东南大学 计算机科学与工程学院,江苏 南京 210096 
张志政 东南大学 计算机科学与工程学院,江苏 南京 210096
南京大学 计算机软件新技术国家重点实验室,江苏 南京 210093 
王蓁蓁 东南大学 计算机科学与工程学院,江苏 南京 210096 
邢汉承 东南大学 计算机科学与工程学院,江苏 南京 210096 
摘要点击次数: 3641
全文下载次数: 4878
中文摘要:
      针对传统粒子群优化算法中全连接型拓扑和环形拓扑的特点,引入了一种粒子群信息共享方式——多簇结构,进而基于多簇结构提出了动态可变拓扑策略以协调动态概率粒子群优化算法的勘探和开采能力,并从理论上分析了最优信息在各种拓扑中的传播,同时从图论角度分析了几种经典拓扑以及动态可变多簇结构的统计特性.通过典型的Benchmark函数优化问题测试并比较了几种经典拓扑以及可变拓扑在高斯动态粒子群优化算法中的性能.实验结果表明,基于多簇结构的可变拓扑策略在求解复杂优化问题时优势明显,可以有效地避免算法陷入局部最优,在保证收敛速度的同时增强了算法的全局搜索能力.
英文摘要:
      Regarding to the characteristic of Gbest model and Lbest model in original particle swarm optimization, a neighborhood topology structure is developed, called multi-cluster structure. Moreover, a varying neighborhood strategy based on multi-cluster is proposed to coordinate exploration and exploitation. Furthermore, the information dissemination of several topologies is analyzed theoretically, and the statistical properties of canonical topologies and varying neighborhood topology are analyzed from graph theory. Gaussian dynamic particle swarm with several canonical topologies and varying topology are tested on five benchmark functions which are commonly used in the evolutionary computation. Experimental simulation results demonstrate that dynamic probabilistic particle swarm optimization with the varying neighborhood topology can solve complex optimization problems and escape from local optimal solutions efficiently. The results also reveal that the proposed method enhances the global search ability obviously.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利