复数编码粒子群算法及在函数优化中的应用

doi:10.3778/j.issn.1002-8331.2009.10.018

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (10): 59-61.DOI: 10.3778/j.issn.1002-8331.2009.10.018

复数编码粒子群算法及在函数优化中的应用

陈得宝,李淮江,李峥

淮北煤炭师范学院物理与电子信息学院，安徽淮北 235000

收稿日期:2008-02-27 修回日期:2008-04-14 出版日期:2009-04-01 发布日期:2009-04-01
通讯作者: 陈得宝

Particle swarm optimization based on complex-valued encoding and application in function optimization

CHEN De-bao,LI Huai-jiang,LI Zheng

Physics and Electron Information Institute，Huaibei Coal Industry Teachers College，Huaibei，Anhui 235000，China

Received:2008-02-27 Revised:2008-04-14 Online:2009-04-01 Published:2009-04-01
Contact: CHEN De-bao

摘要/Abstract

摘要： 为拓展个体基因包含的信息量，将复数编码用到粒子群算法中，用复数来表示粒子的基因，构造双倍体粒子群，提出一种复数粒子群算法（PCPSO）。目标函数自变量的大小由复数的模决定，复数的幅角决定自变量的符号。粒子飞跃分成实部基因和虚部基因两部分，文中给出了复数编码粒子群的更新关系，并对收敛性进行了分析。对典型函数进行实验，结果与实数编码方法相比，验证了方法的有效性。

关键词: 粒子群优化, 复数编码, 双倍体, 函数优化

Abstract: To expand the information of individuals，the idea of complex-valued encoding is used in Particle Swarm Optimization（PSO），the gene of particles is denoted by plurality，so a diploid swarm is structured by a sequence plurality.The value of independent variables for objective function is determined by modules，and sign of them is determined by angles.The flying process of particles is divided into two parts，namely real part gene and imaginary gene.The updating relation of complex-valued swarm is presented，and the convergent performance is analyzed.Two typical functions is tested.The results are compared with particle swarm optimization based on real-valued encoding，the usefulness of the proposed algorithm is verified.

Key words: particle swarm optimization, complex-valued encoding, diploid, function optimization

陈得宝,李淮江,李峥. 复数编码粒子群算法及在函数优化中的应用[J]. 计算机工程与应用, 2009, 45(10): 59-61.

CHEN De-bao,LI Huai-jiang,LI Zheng. Particle swarm optimization based on complex-valued encoding and application in function optimization[J]. Computer Engineering and Applications, 2009, 45(10): 59-61.

[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]	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.
[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]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	王丽丽，申燚，徐玉松，袁明新. 融合云模型和反向学习的克隆选择算法[J]. 计算机工程与应用, 2021, 57(17): 68-74.
[6]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[7]	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.
[8]	魏锋涛，史云鹏，石坤. 具有组合变异策略的回溯搜索优化算法[J]. 计算机工程与应用, 2020, 56(9): 41-47.
[9]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[10]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.
[11]	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.
[12]	黄建琼，郭文龙. 混合粒子群和改进细菌觅食的不平衡数据分类[J]. 计算机工程与应用, 2020, 56(10): 171-178.
[13]	谈庆，黄樟灿. 基于近邻套索算子的磷虾群算法[J]. 计算机工程与应用, 2019, 55(9): 124-129.
[14]	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.
[15]	白创，陈翔. 新型LeNet-FC卷积神经网络模型算法的研究[J]. 计算机工程与应用, 2019, 55(5): 105-111.

复数编码粒子群算法及在函数优化中的应用

Particle swarm optimization based on complex-valued encoding and application in function optimization

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