Please wait a minute...
 
主管单位:广东省科学技术厅
主办单位:广东省科技合作研究促进中心
编辑出版:《电脑与电信》编辑部
ISSN 1008-6609 CN 44-1606/TN
邮发代号:46-95
国内发行:广东省报刊发行局
《电脑与电信》唯一官方网站。
  2011, Vol. 1 Issue (11): 0-0    
  算法研究 本期目录 | 过刊浏览 | 高级检索 |
基于改进粒子群算法的函数优化
陈永刚 邱涌 牛丹梅
河南科技大学电子信息工程学院
Function Optimization Based on Improved Particle Swarm Optimization
Chen Yonggang Qiu Yong Niu Danmei
Henan University of Science and Technology
全文: PDF(0 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 粒子群算法在函数优化过程中容易陷入早熟收敛和后期搜索精度不高,为防止此问题,采用了在寻优过程中使部分粒子随机初始化,历史最优粒子之间做交叉变异和群体最优粒子做小范围的随机变异的方法。仿真结果表明,与标准的粒子群算法相比改进后的算法能有效避免陷入局部最优和使收敛精度较高。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
陈永刚
邱涌
牛丹梅
关键词 粒子群优化交叉变异函数优化    
Abstract:To avoid the problem of premature convergence and poor accuracy in later period, reinitialized part of particles during the searching process is adopted. Crossover mutation is used for optimum particles and random variation of group optimal particles is used in small range. The simulation experiment indicates that compared with the standard PSO algorithm, the improved PSO algorithm can avoid the local optimum effectively and has better convergence accuracy.
Key wordsparticle swarm optimization    crossover mutation    function optimization
收稿日期: 1900-01-01 年卷期日期: 2011-11-10      出版日期: 2011-11-10
引用本文:   
陈永刚 邱涌 牛丹梅. 基于改进粒子群算法的函数优化[J]. , 2011, 1(11): 0-0.
Chen Yonggang Qiu Yong Niu Danmei. Function Optimization Based on Improved Particle Swarm Optimization. , 2011, 1(11): 0-0.
链接本文:  
https://www.computertelecom.com.cn/CN/  或          https://www.computertelecom.com.cn/CN/Y2011/V1/I11/0
[1] 邓红源. 基于支持向量机的雷达信号特征的辨识研究[J]. 电脑与电信, 2020, 1(3): 44-46.
[2] 冀鹏飞. 基于粒子群优化算法的无线电 频谱分配方法研究[J]. 电脑与电信, 2016, 1(8): 48-50.
[3] 吴有晓. 基于改进混沌粒子群的聚类检测算法研究[J]. 电脑与电信, 2016, 1(10): 73-78.
[4] 朱嘉瑜. 一种非线性系数的粒子群优化算法[J]. , 2009, 1(4): 72-73.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
  Copyright © 电脑与电信 All Rights Reserved.
地址:广州市连新路171号广东国际科技中心 邮编:510033
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn
粤ICP备05080322号-4