×
孙丽君；宋晓东；陈天飞

一种改进的控制参数随机采样收敛粒子群优化算法。 （英语） Zbl 1432.93315号

控制科学杂志。工程师。 2019年，文章ID 7478498，第11页（2019年）.
摘要：虽然粒子群优化算法（PSO）已被广泛应用于解决各种复杂的工程问题，但它仍需要克服PSO的一些缺点，例如过早收敛和精度低。其最终优化结果与控制参数的选择有关；因此，提出了一种改进的控制参数随机采样收敛粒子群优化算法。针对该算法，设计了控制参数的随机采样策略，提高了算法参数的灵活性，同时增强了粒子速度和位置的更新随机性。根据粒子群优化算法的收敛性分析，惯性权重的采样范围是在两个加速度因子都已在各自的值区间内采样后确定的，以确保算法的每个进化步骤都收敛。此外，为了充分利用一些较好粒子的维数信息，对种群最优值采用了每个维数的随机修正方法。最后的实验结果表明，与基本粒子群算法和其他算法相比，该算法在保持较高收敛精度的同时，进一步提高了收敛速度。

引用于1文件

MSC公司：

93E03型 控制理论中的随机系统（一般）
90 C59 数学规划中的近似方法和启发式

关键词：

粒子群优化算法；控制参数的随机抽样
PDF格式BibTeX公司 XML格式引用
\textit{L.Sun}等人，《控制科学杂志》。2019年工程，文章ID 7478498，11 p.（2019；Zbl 1432.93315）
全文： 内政部

参考文献：

[1] 肯尼迪，J。；Eberhart，R.C.，粒子群优化，1995年IEEE国际神经网络会议论文集
[2] 林，Q。；刘，S。；Zhu，Q.，多目标优化问题的平衡适应度估计群优化，IEEE进化计算汇刊，22，1，32-46（2018）
[3] 邓，X。；太阳，X。；刘，R。；Liu，S.，用粒子群优化算法实现二阶多智能体系统的一致控制，控制科学与工程杂志，2018（2018）·Zbl 1403.93012号 ·doi:10.1155/2018/3709421
[4] He，J。；Liu，Z.-H.，利用基于对立学习策略的CLPSO估计SPMSM中的定子电阻和转子磁链，控制科学与工程杂志，2016（2016）·Zbl 1346.93283号
[5] 张，S。；徐，J。；Lee，L.H。；Chew，E.P。；Wong，W.P。；Chen，C.-H.，随机优化中粒子群优化的最优计算预算分配，IEEE进化计算汇刊，21，2，206-219（2017）·doi:10.1109/TEVC.2016.2592185
[6] 刘振华。；Li，X.H。；Zhang，H.Q.，《参数估计的增强方法：基于多核体系结构的免疫动态学习群优化》，IEEE Systems，Man，and Control netics Magazine，2，1，26-33（2016）·doi:10.1109/msmc.2015.2472915
[7] Bonyadi，M.R。；Michalewicz，Z.，粒子群优化算法变体的稳定性、局部收敛性和变换敏感性分析，IEEE进化计算汇刊，20，3，370-385（2016）·doi:10.1109/TEVC.20155.2460753
[8] Leboucher，C。；Shin，H.等人。；Chelouah，R.，《与进化博弈论相结合的增强粒子群优化方法》，IEEE游戏交易，10，2，221-230（2018）·doi:10.1109/TG.2017.2787343
[9] 张，H。；梁，Y。；张伟。；徐，N。；郭，Z。；Wu，G.，改进的基于PSO的液体管道泄漏检测和定位方法，IEEE工业信息学报，14，7，3143-154（2018）
[10] Bonyadi，M.R。；Michalewicz，Z.，粒子群优化算法中系数对运动模式的影响，IEEE进化计算汇刊，21，3，378-390（2017）
[11] Bonyadi，M.R。；Michalewicz，Z.，无停滞假设的粒子群优化稳定性分析，IEEE进化计算汇刊，20，5，814-819（2016）·doi:10.1109/TEVC.2015.2508101
[12] Shi，Y.H。；Eberhart，R.C.，改进的粒子群优化器，1998年IEEE国际会议进化计算会议记录
[13] Alfi，A.，带自适应变异和惯性权重的粒子群算法及其在动态系统参数估计中的应用，自动化学报，37，5，541-549（2011）·Zbl 1240.90481号 ·doi:10.3724/SP.J.1004.2011.00541
[14] 张，L。；Tang，Y。；Hua，C.，基于贝叶斯技术的具有自适应惯性权重的新型粒子群优化算法，应用软计算，v，138-149（2015）
[15] Han，W。；杨，P。；Ren，H.，PSO几种惯性权重的比较研究，IEEE信息学与计算进展国际会议论文集
[16] Ratnaweera，A。；Halgamuge，S.K。；Watson，H.C.，具有时变加速系数的自组织分层粒子群优化算法，IEEE进化计算汇刊，8，3，240-255（2004）·doi:10.1109/TEVC.2004.826071
[17] 山口，T。；Yasuda，K.，自适应粒子群优化：具有更新信息的自协调机制，2006年IEEE系统、人类和控制论国际会议论文集·doi:10.1010/ICSMC.2006.385206
[18] 梁建杰。；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:10.1010/TEVC.2005.857610
[19] 潘，F。；小婷，L.I。；周强，基于马尔可夫链的标准粒子群优化算法分析，自动化学报，39，4，381-389（2013）·Zbl 1289.90267号
[20] 范登伯格，F。；Engelbrecht，A.P.，《粒子群优化粒子轨迹研究》，《信息科学》，176，8，937-971（2006）·Zbl 1093.68105号 ·doi:10.1016/j.ins.2005.02.003
[21] Trelea，I.C.，《粒子群优化算法：收敛分析和参数选择》，《信息处理快报》，85，6，317-325（2003）·Zbl 1156.90463号 ·doi:10.1016/s0020-0190（02）00447-7
[22] 文书，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
[23] 任，Z。；Wang，J。；Gao，Y.，基于马尔可夫链的粒子群优化算法的全局收敛性分析，控制理论与应用，28，4，462-466（2011）·Zbl 1240.68207号
[24] 金，X。；马，L。；Wu，T.，基于随机过程的粒子群优化算法的收敛性分析，自动化学报，33，12，1263-1268（2007）·Zbl 1164.68401号
[25] 张，X。；杜，Y。；秦刚。；秦，Z.，动态改变惯性权重的自适应粒子群算法，西安交通大学学报，39，10，1039-1042（2005）·Zbl 1097.90598号
[26] 王，D.-F。；Meng，L.，PSO算法的性能分析与参数选择，自动化学报，42，10，1552-1561（2016）·Zbl 1374.68520号
[27] Tong，J.Q。；赵（Q.Zhao）。；Li，M.，基于自适应动态变化的粒子群优化算法，微电子与计算机，36，2，6-10（2019）
[28] 蒋国杰。；Ye，H。；Ma，Y.H.，《基于采样策略的粒子群优化算法》，《控制与决策》，第10期，1779-1784页（2015年）·Zbl 1349.68217号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。