任務分配的粒子群優(yōu)化算法
大小：0.68 MB 人氣： 2018-01-12 需要積分：2
針對基本粒子群優(yōu)化（PSO）算法早熟收斂、易陷入局部極值的缺陷，提出自適應任務分配的粒子群優(yōu)化算法。該算法根據(jù)粒子的多樣性動態(tài)分配粒子任務，把種群粒子分為開發(fā)和探索兩種類型，分別采用全局模型和動態(tài)鄰域局部模型執(zhí)行開發(fā)和探索任務以平衡算法的全局和局部搜索能力，維持種群多樣性。動態(tài)鄰域模型擴大了解的搜索空間，能有效抑制早熟停滯現(xiàn)象，采用高斯擾動對處于停滯狀態(tài)的精英粒子進行學習，協(xié)助精英粒子跳出局部最優(yōu)，進入解空間的其他區(qū)域繼續(xù)進行搜索。針對6個標準復合測試函數(shù)進行實驗，結(jié)果表明所提算法具有更強的全局搜索能力，求解精度更高。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%