一种保持PSO与GA独立性的混合优化算法

doi:10.3778/j.issn.1002-8331.2009.26.015

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (26): 53-55.DOI: 10.3778/j.issn.1002-8331.2009.26.015

一种保持PSO与GA独立性的混合优化算法

赵欣，叶庆卫，周宇

宁波大学多媒体通信教育部工程技术研究中心，浙江宁波 315211

收稿日期:2008-05-20 修回日期:2008-08-22 出版日期:2009-09-11 发布日期:2009-09-11
通讯作者: 赵欣

Hybrid optimization algorithm maintaining independence of PSO and GA

ZHAO Xin，YE Qing-wei，ZHOU Yu

Ministry of Education Multimedia Communications Eng. Tech. Research Center，Ningbo University，Ningbo，Zhejiang 315211，China

Received:2008-05-20 Revised:2008-08-22 Online:2009-09-11 Published:2009-09-11
Contact: ZHAO Xin

摘要/Abstract

摘要： 提出了一种基于粒子群和遗传算法的新混合算法。该算法首先将样本集分为N组，每一组分别进行不同参数的粒子群或遗传运算，在每一步的迭代中选取了粒子群算法和遗传算法的最优值作为全局最优，使每一步的迭代都优于单一的PSO和GA算法，进而提高了算法整体的性能。与其他混合最优化算法不同的是，该算法没有破坏粒子群和遗传算法的独立性，而是仅通过全局最优样本把两个算法结合在一起。在经典测试函数的仿真实验中，新算法表现了更好的寻优性能及寻优稳定性。

关键词: 粒子群, 遗传算法, 函数优化, 混合算法

Abstract: The paper proposes a new optimization hybrid algerithm based on PSO and GA.It divides the samples into group N，and then each group operates by PSO or GA of different parameters.It selects the optimaler number as a global optimum at every circulation，which makes its result be better than both PSO and GA，then improves the overall performance of the algorithm.Compared with other hybrid optimization algorithm，it does not undermine the independence of PSO and GA，but combins the two algorithm by the global optimums only.The experimental results show this approach has shown better convergence and stability.

Key words: particle swarm, genetic algorithm, optimization, hybrid algorithm

中图分类号:

TP18

赵欣，叶庆卫，周宇. 一种保持PSO与GA独立性的混合优化算法[J]. 计算机工程与应用, 2009, 45(26): 53-55.

ZHAO Xin，YE Qing-wei，ZHOU Yu. Hybrid optimization algorithm maintaining independence of PSO and GA[J]. Computer Engineering and Applications, 2009, 45(26): 53-55.

[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]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[3]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[4]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[5]	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.
[6]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[7]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[13]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[14]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[15]	梁田，曹德欣. 基于莱维飞行的改进简化粒子群算法[J]. 计算机工程与应用, 2021, 57(20): 188-196.

一种保持PSO与GA独立性的混合优化算法

Hybrid optimization algorithm maintaining independence of PSO and GA

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