×
陈寿文;徐卓明;唐燕;刘舜

一种基于质心和指数惯性权重的改进粒子群优化算法。 （英语） Zbl 1407.90355号

数学。问题。工程师。 2014年，文章ID 976486，14 p.（2014）.
摘要：粒子群优化算法（PSO）是一种全局随机工具，具有搜索全局最优解的能力。然而，PSO算法容易陷入局部最优解，收敛精度低。为了克服粒子群算法的不足，提出了一种基于两种形式的指数惯性权重和两种质心的改进粒子群优化算法。通过比较IPSO算法与BPSO、EPSO、CPSO和ACL-PSO算法的优化能力，实验结果表明，提出的IPSO方法更有效；它在精度上也优于其他四种基线PSO算法。

MSC公司：

90C59 数学规划中的近似方法和启发式
PDF格式BibTeX公司 XML格式引用
\textit{S.Chen}等人，数学。问题。Eng.2014，文章ID 976486，14 p.（2014；Zbl 1407.90355）
全文： 内政部

参考文献：

[1] 肯尼迪，J。；Eberhart，R.，粒子群优化，IEEE神经网络国际会议论文集·doi:10.1109/ICNN.1995.488968
[2] Liang，J.J。；秦，A.K。；Suganthan，P.N。；Baskar，S.，用于多模态函数全局优化的综合学习粒子群优化器，IEEE进化计算汇刊，10，3，281-295（2006）·doi:10.1109/TEVC.2005.857610
[3] 丁·S。；姜浩。；李，J。；Tang，G.，结合改进的粒子群优化算法和质量图方法优化油井布置，计算地球科学，18，5，747-762（2014）·doi:10.1007/s10596-014-9422-2
[4] A.哈雷。；Rangnekar，S.，《粒子群优化及其在太阳能光伏系统中的应用综述》，《应用软计算杂志》，13，5，2997-3006（2013）·doi:10.1016/j.asoc.2012.11.033
[5] Alam，S。；杜比，G。；Koh，Y.S。；Riddle，P。；Ur Rehman，S.，《基于粒子群优化的聚类研究：文献和技术的系统综述》，swarm and Evolutional Computation，17，1-13（2014）·doi:10.1016/j.swevo.2014.02.001
[6] Clerc，M。；Kennedy，J.，多维复杂空间中的粒子群爆炸、稳定性和收敛，IEEE进化计算汇刊，6，1，58-73（2002）·doi:10.1109/4235.985692
[7] Janson，S。；Middendorf，M.，分层粒子群优化器及其自适应变体，IEEE系统、人类和控制论汇刊第B部分：控制论，35，61272-1822（2005）·doi:10.1109/TSMCB.2005.850530
[8] 科兰，M.S。；Gündüz，M。；拜肯。K.，一种基于粒子群和蚁群优化的新型混合算法，用于寻找全局最小值，应用数学与计算，219，4，1515-1521（2012）·Zbl 1291.90187号 ·doi:10.1016/j.amc.2012.06.078
[9] 施，X.H。；Liang，Y.C。；Lee，H.P。；卢，C。；Wang，L.M.，一种改进的{GA}和一种基于PSO-GA的混合算法，《信息处理快报》，93，5，255-261（2005）·Zbl 1173.68828号 ·doi:10.1016/j.ipl.2004.11.003
[10] 罗宾逊，J。；辛顿，S。；Samii，Y.R.，《粒子群、遗传算法及其混合：波形喇叭天线的优化》，IEEE天线与传播学会国际研讨会论文集·doi:10.1109/APS.2002.1016311
[11] 沈（音）。；史伟明。；Kong，W.，使用基因表达数据选择肿瘤分类基因的混合粒子群优化和禁忌搜索方法，计算生物学和化学，32，1，52-59（2008）·Zbl 1142.92020年 ·doi:10.1016/j.compbiochem.2007.10.001
[12] 谢赫·H·L。；郭，C.-C。；Chiang，C.-M.，具有模拟退火行为的改进粒子群优化算法及其数值验证，应用数学与计算，218，8，4365-4383（2011）·Zbl 1244.65088号 ·doi:10.1016/j.amc.2011.10.012
[13] 阿拉塔斯，B。；阿金，E。；Ozer，A.B.，《混沌嵌入粒子群优化算法》，《混沌、孤子和分形》，第40、4、1715-1734页（2009年）·Zbl 1198.90400号 ·doi:10.1016/j.chaos.2007.09.063
[14] 杨，C.-H。；蔡顺伟。；Chuang，L.-Y。；Yang，C.-H.，《数值优化中使用双底混沌映射的改进粒子群算法》，应用数学与计算，219，126-279（2012）·兹比尔1291.90331 ·doi:10.1016/j.amc.2012.06.015
[15] 李，C。；周，J。；寇，P。；Xiao，J.，一种基于混沌粒子群优化的新型模糊聚类算法，神经计算，83，98-109（2012）·doi:10.1016/j.neucom.2011.12.009
[16] Song，S.L。；Kong，L。；Cheng，J.J.，带质心的新型粒子群优化算法模型及其应用，国际智能系统与应用杂志，1，1，42-49（2009）
[17] 郭，J。；吴振英。；Wang，J.，一种基于自适应综合学习的改进粒子群优化算法，《高级科学快报》，11，1668-675（2012）·doi:10.1166/asl.2012.2963
[18] Shi，Y。；Eberhart，R.C.，粒子群优化的实证研究，进化计算大会论文集（CEC’99）·doi:10.1109/CEC.1999.785511
[19] 桂敏，C。；H.辛波。；建元，J。；郑峰，M.，粒子群优化中的自然指数惯性权重策略，第六届世界智能控制与自动化大会论文集（WCICA’06）·doi:10.1109/WCICA.2006.1713055
[20] Bansal，J.C。；辛格，P.K。；马萨诸塞州萨拉斯瓦特。；Verma，A。；Jadon，S.S。；Abraham，A.，粒子群优化中的惯性权重策略，第三届世界自然与生物启发计算大会论文集（NaBIC’11）·doi:10.1109/NaBIC.2011.6089659
[21] Nickabadi，A。；埃巴扎德，M.M。；Safabakhsh，R.，一种具有自适应惯性权重的新型粒子群优化算法，应用软计算杂志，11，4，3658-3670（2011）·doi:10.1016/j.asoc.2011.01.037
[22] Chauhan，P。；Deep，K。；Pant，M.，粒子群优化的新型惯性权重策略，模因计算，5，3，229-251（2013）·doi:10.1007/s12293-013-0111-9
[23] Ting，T.O。；Shi，Y.H。；Cheng，S。；Lee，S.，粒子群优化的指数惯性权重，第三届群体智能进展国际会议论文集
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。