质心粒子群优化算法

doi:10.3778/j.issn.1002-8331.2011.03.010

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (3): 34-37.DOI: 10.3778/j.issn.1002-8331.2011.03.010

质心粒子群优化算法

汪永生，李均利

宁波大学信息与工程学院，浙江宁波 315211

收稿日期:2009-05-11 修回日期:2009-07-03 出版日期:2011-01-21 发布日期:2011-01-21
通讯作者: 汪永生

Centroid particle swarm optimization algorithm

WANG Yongsheng，LI Junli

Information and Engineering College，Ningbo University，Ningbo，Zhejiang 315211，China

Received:2009-05-11 Revised:2009-07-03 Online:2011-01-21 Published:2011-01-21
Contact: WANG Yongsheng

摘要/Abstract

摘要： 为了加快粒子群算法收敛速度，提出了质心粒子群优化算法（CPSO）。算法通过计算种群所有个体最优记录所构成的一个群体的质心，对种群个体当前的最优记录和全局最优记录进行比较、替换或更新等操作，从而加快算法的收敛速度。仿真实验表明，在求解相同精度的情况下，质心粒子群优化算法的收敛速度优于线性递减惯性权重粒子群优化算法（LDWPSO）。

关键词: 粒子群优化算法, 质心, 收敛速度

Abstract: In order to improve convergence speed of Particle Swarm Optimization（PSO），Centroid Particle Swarm Optimization Algorithm（CPSO） is presented.Computing the centroid of the population consisted of all individuals’ best records，all the current individuals’best records and the global record are compared，replaced or updated by it.The method can mainly pick up convergence speed of the algorithm.Simulation results show that CPSO is much better than Linear Decreasing Weight PSO（LDWPSO） in convergence speed in the same accuracy of solution case.

Key words: Particle Swarm Optimization（PSO）, centroid, convergence speed

中图分类号:

TP18

汪永生，李均利. 质心粒子群优化算法[J]. 计算机工程与应用, 2011, 47(3): 34-37.

WANG Yongsheng，LI Junli. Centroid particle swarm optimization algorithm[J]. Computer Engineering and Applications, 2011, 47(3): 34-37.

[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]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	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.
[4]	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.
[5]	贾雁飞，杜艳丽，赵立权. 快速收敛参考独立分量分析方法[J]. 计算机工程与应用, 2020, 56(7): 255-259.
[6]	宋杰，许冰，杨淼中. 基于自适应步长果蝇优化算法图像分割[J]. 计算机工程与应用, 2020, 56(4): 184-190.
[7]	张晓莉，杨亚新，谢永成. 改进的蚁群算法在机器人路径规划上的应用[J]. 计算机工程与应用, 2020, 56(2): 29-34.
[8]	吉训生，蔡益青. 利用历史信息和限制算子求解MOFJSP[J]. 计算机工程与应用, 2020, 56(2): 272-278.
[9]	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.
[10]	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.
[11]	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.
[12]	袁罗1，2，葛洪伟1，2. 基于随机鞭策机制的散漫度粒子群算法[J]. 计算机工程与应用, 2019, 55(4): 66-71.
[13]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[14]	牛少章，欧毓毅，凌捷，顾国生. 利用区域划分的多密度快速聚类算法[J]. 计算机工程与应用, 2019, 55(18): 61-66.
[15]	余科军，张建州. DV-Hop测距修正的定位算法研究[J]. 计算机工程与应用, 2019, 55(15): 123-127.

质心粒子群优化算法

Centroid particle swarm optimization algorithm

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