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English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020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
陶新民,刘福荣,刘玉,童智靖.一种多尺度协同变异的粒子群优化算法.软件学报,2012,23(7):1805-1815
一种多尺度协同变异的粒子群优化算法
Multi-Scale Cooperative Mutation Particle Swarm Optimization Algorithm
投稿时间:2009-11-17  修订日期:2011-06-24
DOI:10.3724/SP.J.1001.2012.04128
中文关键词:  粒子群算法  早熟收敛  多尺度  协同变异  适应度
英文关键词:particle swarm optimization  premature convergence  multi-scale  cooperative mutation  ftness
基金项目:国家自然科学基金(61074076); 国家博士后科学基金(20090450118); 中国博士点新教师基金(20092304120017); 黑龙江省博士后科学基金(LBH-Z08227)
作者单位E-mail
陶新民 哈尔滨工程大学 信息与通信工程学院,黑龙江 哈尔滨 150001 taoxinmin@hrbeu.edu.cn 
刘福荣 黑龙江省电力有限公司,黑龙江 哈尔滨 150090  
刘玉 哈尔滨工程大学 信息与通信工程学院,黑龙江 哈尔滨 150001  
童智靖 哈尔滨工程大学 信息与通信工程学院,黑龙江 哈尔滨 150001  
摘要点击次数: 3885
全文下载次数: 4039
中文摘要:
      为了改善粒子群算法易早熟收敛、精度低等缺点,提出一种多尺度协同变异的粒子群优化算法,并证明了该算法以概率1 收敛到全局最优解.算法采用多尺度高斯变异机制实现局部解逃逸.在算法初期阶段,利用大尺度变异及均匀变异算子实现全局最优解空间的快速定位;随着适应值的提升,变异尺度随之降低;最终在算法后期阶段,利用小尺度变异算子完成局部精确解空间的搜索.将算法应用6 个典型复杂函数优化问题,并同其他带变异操作的PSO 算法比较,结果表明,该算法在收敛速度及稳定性上有显著提高.
英文摘要:
      To deal with the problem of premature convergence and low precision of the traditional particle swarm optimization algorithm, a particle swarm optimization (PSO) algorithm based on multi-scale cooperative mutation, is proposed, which is guaranteed to converge to the global optimal solution with probability one. The special multi-scale Gaussian mutation operators are introduced to make the particles explore the search space more efficiently. The large-scale mutation operators can be utilized to quickly locate the global optimal space during early evolution. The small-scale mutation operators, which are gradually reduced according to the change of the fitness value can implement the accuracy of the solution at the late evolution. The proposed method is applied to six typical complex function optimization problems, and the comparison of the performance of the proposed method with other PSO algorithms is experimented. The results show that the proposed method can effectively speed up the convergence and improve the stability.
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