×
拉维库马尔·潘迪;巴尼格拉希。

一种改进的自适应粒子群算法用于多模态函数优化。 （英语） Zbl 1165.90694号

J.信息优化。科学。 29，第2期，359-375（2008）.
摘要：本文介绍了一种改进的自适应粒子群优化（APSO）技术，用于定位多模态函数的全局极小值。APSO通过自适应调整每个粒子相对于目标函数值的惯性权重，扩展了原PSO的搜索能力。此外，我们还引入了重新初始化部分种群的概念，使算法收敛到全局最优。我们测试了几个多模态函数的APSO，以找到全局最优值。提出的APSO可以成功地定位所有测试函数的全局最优值。

MSC公司：

90 C59 数学规划中的近似方法和启发式

关键词：

粒子群优化;全局优化;多峰函数
PDF格式BibTeX公司 XML格式引用
\textit{V.R.Pandi}和\textit{B.K.Panigrahi}，J.Inf.Optim。科学。29，第2号，359--375（2008；Zbl 1165.90694）
全文： 内政部

参考文献：

[1] Goldberg D.E.，搜索优化和机器学习中的遗传算法（1989）·Zbl 0721.68056号
[2] Goldberg，D.E.和Richardson，J.多峰函数优化的共享遗传算法。《第二届遗传算法及其应用国际会议论文集》，第41-47页。美国马萨诸塞州：剑桥。十月
[3] Sareni B.，IEEE传输。进化。计算。2（3）第97页–（1998）·Zbl 05452126号 ·doi:10.1109/4235.735432
[4] Tsoulos I.G.，《计算机物理通信174》，第152页–（2006）·Zbl 1196.90086号 ·doi:10.1016/j.cpc.2005.09.007
[5] Qing L.，申请。软计算。J（2006）
[6] 李建平，进化计算10（3），第207页–（2002）·Zbl 05412730号 ·doi:10.1162/106365602760234081
[7] Petrowski，A.作为遗传算法小生境方法的清理过程。程序中。IEEE国际会议发展。计算，第798-803页。美国马萨诸塞州：剑桥。
[8] Dilettoso E.，IEEE磁学汇刊42（4）第1203页–（2006）·doi:10.1109/TMAG.2006.871672
[9] Chelouah R.，《启发式杂志》，第6页，191–（2000）·Zbl 0969.68641号 ·doi:10.1023/A:1009626110229
[10] Chelouah R.，《欧洲运筹学杂志》148第335页–（2003）·Zbl 1035.90062号 ·doi:10.1016/S0377-2217（02）00401-0
[11] Gudla P.K.，《应用数学与计算》167第1457页–（2005）·Zbl 1082.65540号 ·doi:10.1016/j.amc.2004.08.026
[12] Lee C.G.，IEEE磁学汇刊35（3）pp 1722–（1999）·数字对象标识代码：10.1109/20.767361
[13] Feng，Y.J.和Feng，Z.R.用于连续空间多模态函数优化的基于免疫的蚂蚁系统。8月26日至29日，上海。《第三届机器学习与控制论国际会议论文集》，第1050–1054页。
[14] De Castro，L.N.和Tinunis，I.用于多模态函数优化的人工免疫网络。2002年美国夏威夷火奴鲁鲁进化计算大会，第699-704页。
[15] Li，X.多峰函数优化中使用物种形成的高效差分进化。6月25-29日，美国华盛顿特区，GECCO’05，第873-880页。
[16] Tang，T.和Qiu，J.，2006年。一种改进的多模态人工免疫算法及其收敛性分析。2006年6月21日至23日，中国大连。《第六届世界智能控制与自动化大会论文集》，第3335-3339页。
[17] Luo，Y.、Li，R.和Tian，F.，2004年。人工免疫算法在多峰函数优化中的应用。2004年6月15日至19日，中国杭州。《第五届世界智能控制与自动化大会会议记录》，第2248–2252页。
[18] Kennedy J.，《Swarm Intelligence》（2001年）
[19] Kennedy，J.和Eberhart，R.C.粒子群优化。程序中。IEEE国际神经网络会议，1942-1945年。新泽西州皮斯卡塔韦：IEEE出版社。
[20] Eberhart，R.C.和Shi，Y.粒子群优化：发展、应用和资源。程序中。进化计算大会，第81-86页。皮斯卡塔韦：IEEE，灵魂。
[21] 史毅，《进化计算学报》第1页第101页–（2001）
[22] Li，T.，Wei，C.和Pei，W.，2003年。多峰函数优化的共享粒子群算法。2003年12月14日至17日，中国南京。IEEE神经网络与信号处理国际会议，第450–453页。
[23] Ho S.L.，IEEE传输。《磁学》42（4）pp 1107–（2006）·doi:10.1109/TMAG.2006.871426
[24] 黄涛，应用数学与计算·doi:10.1016/j.amc.2008.09.015
[25] Lei，W.、Qi，K.、Hui，X.和Qidi，W.2005。一种改进的自适应粒子群优化算法。2005年12月14日至17日。2005年IEEE国际工业技术会议（ICIT），第209-214页。
[26] Li，D.，Gao，L.，Zhang，J.和Li，Y.，2006年。基于自适应粒子群算法的电力系统无功优化。2006年6月21日至23日，中国大连。《第六届世界智能控制与自动化大会论文集》，第7572-7576页。
[27] Arumugam，M.S.，Chandramohan，A.和Rao，M.V.C.，2005年。PSO算法的竞争方法是通过新的加速协同变量和变异算子。2005年8月，IEEE第六届国际会议录。计算智能和多媒体应用会议，第225-230页。
[28] 张杰，神经计算69，第2396页–（2006）·Zbl 05184787号 ·doi:10.1016/j.neucom.2006.02.016
[29] Koumousis V.K.，IEEE翻译。关于进化计算10（1）第19页–（2006）·Zbl 05452077号 ·doi:10.1109/TEVC.2005.860765
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。