一种高效的改进粒子群优化算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (1): 14-16.

一种高效的改进粒子群优化算法

李洪亮^1,2,侯朝桢¹,周绍生²

1.北京理工大学自动控制系，北京 100081
2.曲阜师范大学自动化研究所，山东曲阜 273165

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-01 发布日期:2008-01-01
通讯作者: 李洪亮

High efficient algorithm of modified Particle Swarm Optimization

LI Hong-liang^1,2,HOU Chao-zhen¹,ZHOU Shao-sheng²

1.Department of Automatic Control，Beijing Institute of Technology，Beijing 100081，China
2.Institute of Automation，Qufu Normal University，Qufu，Shandong 273165，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-01 Published:2008-01-01
Contact: LI Hong-liang

摘要/Abstract

摘要： 提出了一种高效的改进的粒子群优化策略，把整个群体分为几个子群体，进行子群体的专业化社会分工与信息交换，该策略在提高算法局部搜索能力的同时也兼顾了全局搜索能力。测试表明，与现有方法比较，该方法全局寻优的精度与速度有明显提高。

关键词: 粒子群优化, 进化算法, 策略

Abstract: A high efficient algorithm of modified particle swarm optimization is presented.Population divided into subpopulations，each subpopulation has its special role and information exchanged between them.This strategy has improved the ability of local search along with the global search ability.Experiments show that this method has been significantly improved on both optimization speed and computational accuracy.

Key words: Particle Swarm Optimization（PSO）, evolutionary algorithm, strategy

李洪亮^1,2,侯朝桢¹,周绍生². 一种高效的改进粒子群优化算法[J]. 计算机工程与应用, 2008, 44(1): 14-16.

LI Hong-liang^1,2,HOU Chao-zhen¹,ZHOU Shao-sheng². High efficient algorithm of modified Particle Swarm Optimization[J]. Computer Engineering and Applications, 2008, 44(1): 14-16.

[1]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[2]	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.
[3]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[4]	逯曼皎，张伟，徐涛. 基于动态矩阵模型的可优化的补货策略[J]. 计算机工程与应用, 2021, 57(7): 263-268.
[5]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[6]	李玲，王峥，李娜. 雾计算中支持计算外包的访问控制方案[J]. 计算机工程与应用, 2021, 57(6): 81-87.
[7]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[8]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[9]	王晓，唐伦，贺小雨，陈前斌. 基于深度强化学习的服务功能链多维资源优化[J]. 计算机工程与应用, 2021, 57(4): 68-76.
[10]	张公凯，陈才学，郑拓. 改进鲸鱼算法在电动汽车有序充电中的应用[J]. 计算机工程与应用, 2021, 57(4): 272-278.
[11]	赖俊，魏竞毅，陈希亮. 分层强化学习综述[J]. 计算机工程与应用, 2021, 57(3): 72-79.
[12]	张伟康，刘升，任春慧. 混合策略改进的麻雀搜索算法[J]. 计算机工程与应用, 2021, 57(24): 74-82.
[13]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[14]	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.
[15]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.