改进型粒子群算法及其在选址问题中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (14): 56-58.

改进型粒子群算法及其在选址问题中的应用

刘峰，王建芳，李金莱

南阳师范学院计算机与信息技术学院，河南南阳 473061

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-11 发布日期:2011-05-11

Novel particle swarm optimization algorithm and its application in solving min-max location problem

LIU Feng，WANG Jianfang，LI Jinlai

College of Computer & Information Technology，Nanyang Normal University，Nanyang，Henan 473061，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-11 Published:2011-05-11

摘要/Abstract

摘要： 为了解决基本粒子群算法不易跳出局部最优的问题，提出了一种协同粒子群优化算法。在算法中通过加入权值递减的惯性因子和变异算子以克服基本PSO易早熟、不易收敛以及缺乏多样性的不足。将算法应用于极小极大选址问题的实验结果表明，算法能够有效地求解极小极大选址问题，具有较好的应用价值。

关键词: 粒子群优化算法, 协同粒子群, 选址问题

Abstract: To solve the problem that particle swarm optimization algorithm is apt to trap in local optimum，a novel cooperative particle swarm optimization algorithm is proposed.In order to overcome the drawback of basic PSO，such as being subject to falling into local optimization，being poor in performance of precision and lack of diversity，an improved PSO，including the strategy for decreasing inertia weight and mutation operator，is proposed.The test experiments for solving min-max location problem show that the proposed solution can effectively reduce the cost of location problem，and has good application value.

Key words: particle swarm optimization algorithm, cooperative particle swarm, location problem

刘峰，王建芳，李金莱. 改进型粒子群算法及其在选址问题中的应用[J]. 计算机工程与应用, 2011, 47(14): 56-58.

LIU Feng，WANG Jianfang，LI Jinlai. Novel particle swarm optimization algorithm and its application in solving min-max location problem[J]. Computer Engineering and Applications, 2011, 47(14): 56-58.

[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]	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.
[3]	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.
[4]	苟海雯，宁爱兵，胡沁，张惠珍. 带惩罚的无容量设施选址问题的降阶回溯算法[J]. 计算机工程与应用, 2020, 56(24): 43-49.
[5]	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.
[6]	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.
[7]	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.
[8]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[9]	胡震，邹德旋，张旭. R-dPSO算法及其在ATO控制策略中的应用[J]. 计算机工程与应用, 2018, 54(24): 212-220.
[10]	刘春苗，张惠珍. 求解无容量设施选址问题的混合蝙蝠算法[J]. 计算机工程与应用, 2018, 54(22): 28-34.
[11]	何明慧1，徐怡1，2，王冉1，胡善忠1. 改进的粒子群算法优化神经网络及应用[J]. 计算机工程与应用, 2018, 54(19): 107-113.
[12]	常红伟1，夏克文1，2，白建川1，2，牛文佳1，武盼盼1. 采用云量子PSO的属性约简方法[J]. 计算机工程与应用, 2018, 54(10): 99-104.
[13]	南敬昌，田娜. 基于改进粒子群算法的模糊小波神经网络建模[J]. 计算机工程与应用, 2017, 53(3): 120-123.
[14]	颜宏文，邹丹. 基于关联规则的PSO-Elman短期风速预测[J]. 计算机工程与应用, 2017, 53(23): 261-266.
[15]	翁理国，王骥，夏旻，纪壮壮. 自适应种群更新策略的多目标粒子群算法[J]. 计算机工程与应用, 2017, 53(15): 181-186.