基于动态邻域的粒子群算法的研究

doi:10.3778/j.issn.1002-8331.2009.06.018

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (6): 60-62.DOI: 10.3778/j.issn.1002-8331.2009.06.018

基于动态邻域的粒子群算法的研究

韩立娜,熊盛武

武汉理工大学计算机学院，武汉 430070

收稿日期:2008-01-15 修回日期:2008-04-02 出版日期:2009-02-21 发布日期:2009-02-21
通讯作者: 韩立娜

Research on particle swarm optimization based on dynamic neighborhood

HAN Li-na,XIONG Sheng-wu

School of Computer Science & Technology，Wuhan University of Technology，Wuhan 430070，China

Received:2008-01-15 Revised:2008-04-02 Online:2009-02-21 Published:2009-02-21
Contact: HAN Li-na

摘要/Abstract

摘要： 研究了邻域拓扑结构对粒子群算法性能的影响。设计了两种动态邻域生成策略，并基于一组具有代表性的测试函数，对两种典型的算法模型——标准的粒子群算法（CPSO）和充分联系的粒子群算法（FIPS）进行实验。实验结果表明，不同的邻域拓扑结构和不同的算法模型都能够影响粒子群算法的性能。

关键词: 粒子群, 动态邻域, 生成策略

Abstract: The neighborhood topology’s influence on the performance of a PSO is analyzed.Two methods to generate dynamic neighborhood are proposed.Based on a representative set of benchmark functions，the proposed scheme is tested.The result of numerical experiments demonstrate that the performance of a particle swarm depends on population topology as well as algorithm version.

Key words: particle swarm optimization, dynamic neighborhood, generating method

韩立娜,熊盛武. 基于动态邻域的粒子群算法的研究[J]. 计算机工程与应用, 2009, 45(6): 60-62.

HAN Li-na,XIONG Sheng-wu. Research on particle swarm optimization based on dynamic neighborhood[J]. Computer Engineering and Applications, 2009, 45(6): 60-62.

[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]	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.
[7]	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.
[8]	陈瑶，陈思. 基于自适应多普勒及动态邻域的改进BA算法[J]. 计算机工程与应用, 2021, 57(22): 166-176.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[14]	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.
[15]	潘成胜，张斌，吕亚娜，杜秀丽，邱少明. 改进灰狼优化算法的K-Means文本聚类[J]. 计算机工程与应用, 2021, 57(1): 188-193.

基于动态邻域的粒子群算法的研究

Research on particle swarm optimization based on dynamic neighborhood

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