曹文良；康兰兰；王、石 基于模拟退火自适应对立的非惯性粒子群优化算法。 （中文。英文摘要） Zbl 1474.68324号 合肥工业大学。，自然科学。 43，第12期，1614-1619（2020）. 摘要：为了解决基于对立粒子群优化算法陷入局部最优且收敛速度慢的问题，提出了一种模拟退火自适应对立非惯性粒子群优化（SAONPSO）算法。该算法在每一进化代广义对立学习策略的基础上，根据模拟退火（SA）原理，提出了基于对立的学习策略执行概率，并结合了精英差异进化变异（EDEM）算法扰动当前全局最优粒子的策略，从而帮助粒子避免落入局部最优位置。为了加快收敛速度，SAONPSO引入了一个非惯性速度更新公式（NIV）来引导粒子的飞行方向，在充分获取环境信息的基础上，通过较少的参数设置实现更快的收敛速度。上述两种战略的结合有效地平衡了勘探与开发之间的矛盾。实验结果表明，SAONPSO算法在计算精度和收敛速度上均优于现有的基于对立的粒子群优化算法。 MSC公司： 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 68T05型 人工智能中的学习和自适应系统 90 C59 数学规划中的近似方法和启发式 关键词：广义对立学习；粒子群优化；模拟退火；精英差异进化突变；非惯性速度更新公式 PDF格式BibTeX公司 XML格式引用 \textit{W.Cao}等人，J.合肥工业大学。，自然科学。43，编号121614-1619（2020；兹bl 1474.68324） 全文： 内政部