混沌惯性权值调整策略的粒子群优化算法

doi:10.3778/j.issn.1002-8331.2009.07.016

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (7): 49-51.DOI: 10.3778/j.issn.1002-8331.2009.07.016

混沌惯性权值调整策略的粒子群优化算法

吴秋波^1,2,王允诚¹,赵秋亮³,吴昌荣¹

1.成都理工大学能源学院，成都 610059
2.中国石油川庆钻探工程公司地球物理勘探公司，成都 610213
3.浙江海洋学院机电工程学院，浙江舟山 316000

收稿日期:2008-06-11 修回日期:2008-09-23 出版日期:2009-03-01 发布日期:2009-03-01
通讯作者: 吴秋波

Particle Swarm Optimization algorithm with Chaotic Inertia Weight adjusting strategy

WU Qiu-bo^1,2,WANG Yun-cheng¹,ZHAO Qiu-liang³,WU Chang-rong¹

1.College of Energy，Chengdu University of Technology，Chengdu 610059，China
2.Geophysical Prospecting Company，CNPC Chuanqing Drilling & Exploration Corporation，Chengdu 610213，China
3.College of Electromechanical Engineering，Zhejiang Ocean University，Zhoushan，Zhejiang 316000，China

Received:2008-06-11 Revised:2008-09-23 Online:2009-03-01 Published:2009-03-01
Contact: WU Qiu-bo

摘要/Abstract

摘要： 粒子群优化算法是一种新颖的智能优化算法。惯性权值对粒子群优化算法的性能有着重要的影响。在分析已有的惯性权值调整策略的基础上，提出了混沌惯性权值调整策略，该策略将惯性权值用一个混沌变量来描述。标准测试函数实验表明，在不影响优化结果精度的情况下，混沌惯性权值调整策略的粒子群优化算法收敛速度较已有方法有了明显的提高。

关键词: 粒子群优化算法, 惯性权值, 混沌

Abstract: Particle Swarm Optimization algorithm（PSO） is a new intelligent optimization paradigm.The inertia weight is very important to the performance of PSO.Based on analyzing existing inertia weight adjustment strategy，a novel method，Chaotic Inertia Weight strategy（CIW） is proposed，which describes the inertia weight as a chaotic variable.Results of three benchmark functions indicate the PSO with CIW has been significantly improved on convergence speed comparing with other existing methods，while keeping the excellent computational accuracy.

Key words: Particle Swarm Optimization（PSO）, inertia weight, chaos

吴秋波^1,2,王允诚¹,赵秋亮³,吴昌荣¹. 混沌惯性权值调整策略的粒子群优化算法[J]. 计算机工程与应用, 2009, 45(7): 49-51.

WU Qiu-bo^1,2,WANG Yun-cheng¹,ZHAO Qiu-liang³,WU Chang-rong¹. Particle Swarm Optimization algorithm with Chaotic Inertia Weight adjusting strategy[J]. Computer Engineering and Applications, 2009, 45(7): 49-51.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	王海瑞，鲜于建川. 改进麻雀搜索算法在分布式电源配置中的应用[J]. 计算机工程与应用, 2021, 57(20): 245-252.
[4]	廖列法，杨红. 天牛须搜索算法研究综述[J]. 计算机工程与应用, 2021, 57(12): 54-64.
[5]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[6]	李宏伟，陈亮，白景波. 基于CMFO算法的投影寻踪威胁目标评估模型[J]. 计算机工程与应用, 2020, 56(2): 152-157.
[7]	陈忠云，张达敏，辛梓芸，张绘娟，闫威. 混沌精英质心拉伸机制的樽海鞘群算法[J]. 计算机工程与应用, 2020, 56(10): 44-50.
[8]	邵良杉，李臣浩. 基于改进花粉算法的极限学习机分类模型[J]. 计算机工程与应用, 2020, 56(1): 172-179.
[9]	朱淑芹，刘荣月，周冉冉，王文宏. 密钥动态选择机制的图像加密算法[J]. 计算机工程与应用, 2019, 55(9): 56-64.
[10]	王勇，方小强，王瑛. 超混沌系统和AES结合的图像加密算法[J]. 计算机工程与应用, 2019, 55(8): 164-170.
[11]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[12]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[13]	冯建新1，2，李慧1，2，刘治国1，2. 新型火焰颜色空间——IFCS[J]. 计算机工程与应用, 2019, 55(5): 203-210.
[14]	刘明霞1，游晓明1，刘升2. 基于聚度的自适应动态混沌蚁群算法[J]. 计算机工程与应用, 2019, 55(3): 15-22.
[15]	黄宇达1，王迤冉2，牛四杰3. 基于混沌和自适应搜索策略的GSO算法分析与优化[J]. 计算机工程与应用, 2019, 55(3): 147-153.

混沌惯性权值调整策略的粒子群优化算法

Particle Swarm Optimization algorithm with Chaotic Inertia Weight adjusting strategy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics