基于聚类分析的随机微粒群算法

doi:10.3778/j.issn.1002-8331.2010.08.012

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (8): 40-44.DOI: 10.3778/j.issn.1002-8331.2010.08.012

基于聚类分析的随机微粒群算法

郝武伟¹，曾建潮²

1.山西交通职业技术学院经济管理系，太原 030031
2.太原科技大学系统仿真与计算机应用研究所，太原 030024

收稿日期:2009-03-12 修回日期:2009-05-11 出版日期:2010-03-11 发布日期:2010-03-11
通讯作者: 郝武伟

Stochastic particle swarm optimization algorithm based on cluster analysis

HAO Wu-wei¹，ZENG Jian-chao²

1.Department of Economics and Management，Shanxi Communications Polytechnic，Taiyuan 030031，China
2.Division of System Simulation and Computer Application，Taiyuan University of Science and Technology，Taiyuan 030024，China

Received:2009-03-12 Revised:2009-05-11 Online:2010-03-11 Published:2010-03-11
Contact: HAO Wu-wei

摘要/Abstract

摘要： 在对一种保证全局收敛的微粒群算法——随机PSO算法（SPSO）进行分析的基础上，提出了一种基于聚类分析的随机微粒群算法（CSPSO）。CSPSO算法保证了种群的多样性，使微粒能够有效地进行全局搜索。并证明了它依概率收敛于全局最优解。最后以典型的复杂基准优化问题进行了仿真实验，验证了CSPSO的有效性。

Abstract: A new Stochastic Particle Swarm Optimization algorithm based on Cluster analysis（CSPSO） is proposed based on the analysis of Stochastic Particle Swarm Optimization algorithm（SPSO） that guarantees global convergence.The CSPSO is guaranteed that the particles are diversiform，and can make particles explore the global optimization more efficiently.The CSPSO is guaranteed to converge to the global optimization solution with probability one.Finally，several complex examples are simulated to show that CSPSO is more efficient than SPSO.

中图分类号:

TP18

郝武伟¹，曾建潮². 基于聚类分析的随机微粒群算法[J]. 计算机工程与应用, 2010, 46(8): 40-44.

HAO Wu-wei¹，ZENG Jian-chao². Stochastic particle swarm optimization algorithm based on cluster analysis[J]. Computer Engineering and Applications, 2010, 46(8): 40-44.

[1]	闫林，张新明，何健仓，李富有. 粗糙集、商空间及概念格中粒的统一描述[J]. 计算机工程与应用, 2010, 46(9): 38-41.
[2]	汪红林^1，2，王红玲^1，2，周国栋^1，2. 语义分析中谓词标识的特征工程[J]. 计算机工程与应用, 2010, 46(9): 134-137.
[3]	张锐^1，2，张涛³，高辉⁴. RQEA-SVR在交通流预测中的应用[J]. 计算机工程与应用, 2010, 46(9): 241-245.
[4]	李朝鹏^1，2，成运¹，李肯立²，周旭³. 哈密尔顿回路问题的DNA表面计算模型[J]. 计算机工程与应用, 2010, 46(8): 48-51.
[5]	陈学松，杨宜民. 基于递推最小二乘法的多步时序差分学习算法[J]. 计算机工程与应用, 2010, 46(8): 52-55.
[6]	姚雄武，郑金华，李晶，文诗华. 遗传算法和单体型组装加权最小字符翻转问题[J]. 计算机工程与应用, 2010, 46(8): 217-220.
[7]	戴宏亮^1，2. 小波支持向量回归在瓦斯涌出量预测中的应用[J]. 计算机工程与应用, 2010, 46(7): 15-17.
[8]	马建敏¹，朱朝晖²，张文修³. 相容关系下集值信息系统的粗糙熵[J]. 计算机工程与应用, 2010, 46(7): 29-31.
[9]	王加阳¹，杜库¹，胡沛¹，高灿². 基于非对称相似差别矩阵知识约简[J]. 计算机工程与应用, 2010, 46(7): 44-45.
[10]	朱庆生，钟洵，杨鹏. NJW在离群数据挖掘中的应用研究[J]. 计算机工程与应用, 2010, 46(7): 128-130.
[11]	唐少先. 数据挖掘中粗糙集边界的处理方法[J]. 计算机工程与应用, 2010, 46(7): 131-133.
[12]	徐红升，张瑞玲. ART与概念相似在电子商务推荐系统中的应用[J]. 计算机工程与应用, 2010, 46(7): 213-217.
[13]	焦尚彬，刘丁. 博弈树置换表启发式算法研究[J]. 计算机工程与应用, 2010, 46(6): 42-45.
[14]	田生文，王伊蕾，李阿丽. 一种应用复杂网络特征的K-means初始化方法[J]. 计算机工程与应用, 2010, 46(6): 127-129.
[15]	黄信¹，陶华¹，钟卫军². 基于混合粒子群算法的二维导体柱目标识别[J]. 计算机工程与应用, 2010, 46(6): 201-203.

基于聚类分析的随机微粒群算法

Stochastic particle swarm optimization algorithm based on cluster analysis

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