《计算机应用》唯一官方网站››2024,第44卷››问题(3): 819-830.内政部:10.11772/j.issn.1001-9081.2023030380
• 先进计算 • 上一篇 下一篇
杜晓昕(),周薇,浩,郝田茹,王振飞,金梅,张剑飞
收稿日期:
修回日期:
接受日期:
发布日期:
出版日期:
通讯作者:
说唱乐介:
基金资助:
杜晓欣(),魏舟,王浩,郝天儒,王振飞,梅金,张剑飞
收到:
修订过的:
认可的:
在线:
出版:
联系人:
关于作者:
支持单位:
摘要:
群智能算法的优化是提升群智能算法性能的一个主要途径,随着群智能算法越来越广泛地运用到各类模型优化、生产调度、路径规划等问题中,对智能算法性能的要求也越来越高。亚群策略作为一种优化群智能算法的重要手段,能够灵活地平衡算法的全局勘探能力和局部开发能力,已经成为群智能算法的研究热点之一。为了促进亚群优化策略的发展和应用,对动态亚群策略、基于主从范式的亚群策略和基于网络结构的亚群策略进行了详细调查,阐述了各类亚群策略的结构特点、改进方式和应用场景。最后,总结了亚群策略目前存在的问题以及未来的研究趋势和发展方向。
关键词: 粒子群优化算法, 群智能算法, 动态亚群策略, 主从范式, 网络结构
群智能算法的优化是群智能算法改进的主要途径。随着群智能算法在各种模型优化、生产调度、路径规划等问题中的应用越来越广泛,对智能算法的性能要求也越来越高。子群策略作为优化群体智能算法的重要手段,能够灵活平衡全局探索能力和局部开发能力,已成为群体智能算法研究的热点之一。为了促进分组策略的发展和应用,对动态分组策略、基于主从范式的分组策略和基于网络结构的分组策略进行了详细研究。阐述了各种分组策略的结构特点、改进方法和应用场景。最后,总结了当前亚组策略存在的问题以及未来的研究趋势和发展方向。
关键词: 粒子群优化(PSO)算法, 群智能算法, 动态分组策略, 主从模式, 网络结构
中图分类号:
第301.6页
杜晓昕, 周薇, 王浩, 郝田茹, 王振飞, 金梅, 张剑飞. 智能算法的亚群优化策略综述[J] ●●●●。,2024, 44(3): 819-830.
杜晓欣、周伟、王浩、郝天如、王振飞、金梅、张建飞。智能算法子群优化策略综述[J]。计算机应用杂志,2024,44(3):819-830。
0 /推荐
导出引用管理器 尾注|里斯|BibTeX公司
链接本文: 网址:http://www.joca.n/cn/10.11772/j.issn.101-90811.2023030380
http://www.joca.cn/cn/Y2024/V44/I3/819
图1 亚群优化策略架构
图1子群优化策略的体系结构
图2 动态随机重组
图2动态随机重组
图三 亚群协同学习
图3小组协作学习
较大计算成本,重组周期需要依据经验选择,
算法偏向勘探阶段,开发能力欠缺
流水车间调度
基准测试函数
加强了开发能力,竞争机制复杂,计算成本高,
多模态问题上表现差
算法偏向勘探能力,开发能力欠缺,
计算成本高,算法复杂,单模态问题表现差
表1 动态多亚群策略的改进
表1动态多子群策略的改进
图4 主从范式模型
图4主从范式模型
图5 并行多亚群优化结构
图5并行多子组优化结构
图6 并行综合学习粒子群结构
图6并行综合学习的粒子群结构
优点:计算成本低,算法的开发和勘探能力平衡
缺点:缺乏亚群之间的相互合作
非线性动力系统的模糊控制器
质量信息
缺点:高维复杂的问题中寻优能力不足
优点:算法的开发能力强,在多模态问题上表现优秀
缺点:计算成本大
优点:能很好平衡算法的勘探和开发能力,有效保持种群多样性
缺点:高额的算法成本无法优化高维问题
优点:增加了粒子的多样性,使得MSLVPSO公司有较好的收敛精度和鲁棒性
慢
表2 对基于主从范式的多亚群策略的改进
表2基于主从范式的多子组策略改进
优点:加速优质信息的流通,加快算法收敛
:很
缺点:收敛慢
图7PS2O公司的四种拓扑结构
图7PS2O的四种拓扑结构
图8PSON网络
图8PSON网络结构
图9PSON-SC网络
图9PSON-SC网络结构