结合SA算法的快速微粒群优化算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (8): 27-29.

结合SA算法的快速微粒群优化算法

林令娟1，刘希玉2

1.山东师范大学信息科学与工程学院，济南 250014
2.山东师范大学管理与经济学院，济南 250014

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-11 发布日期:2011-03-11

Rapid partical swarm optimization combined simulated annealing algorithm

LIN Lingjuan1，LIU Xiyu2

1.School of Information Science and Engineering，Shandong Normal University，Jinan 250014，China
2.School of Manangement and Economics，Shandong Normal University，Jinan 250014，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-11 Published:2011-03-11

摘要/Abstract

摘要： 理论上已经证明PSO算法用所有微粒的当前位置与全体最好位置相同时算法停止作为收敛准则是有缺陷的，不能保证全局收敛。而已经证明模拟退火算法依概率1收敛于全局最优解集，因此可将模拟退火算法作为PSO算法的收敛判据。将模拟退伙算法和微利群优化算法结合起来，保证PSO算法的全局收敛性，提高了收敛的速度和效率。实验结果证明了其有效性。

关键词: 微粒群优化算法, 全局收敛, 协同搜索, 模拟退火算法

Abstract: Theory has proved that the convergence criterion of the algorithms ceasing is flawed when using the current location as the best location of all particles，and the global convergence is not guaranteed.Simulated annealing algorithm has been proven to be a global optimal solution set under the probability of 1，so the simulated annealing algorithm can be used as the convergence criterion of PSO algorithm.The paper combines the simulated annealing algorithm with the particle swarm optimization algorithm to ensure the global convergence of the PSO algorithm and improve the convergence speed and efficiency.Experimental results show its effectiveness.

Key words: partical swarm optimization, global convergence, cooperative search, simulated annealing algorithm

林令娟1，刘希玉2. 结合SA算法的快速微粒群优化算法[J]. 计算机工程与应用, 2011, 47(8): 27-29.

LIN Lingjuan1，LIU Xiyu2. Rapid partical swarm optimization combined simulated annealing algorithm[J]. Computer Engineering and Applications, 2011, 47(8): 27-29.

[1]	马艳芳，李保玉，杨屹夫，冯翠英. 客户分类下生鲜配送两级路径问题与算法研究[J]. 计算机工程与应用, 2021, 57(20): 287-298.
[2]	童文林，陈德旺，黄允浒，吕宜生. 结合模拟退火与规则约简的模糊系统优化方法[J]. 计算机工程与应用, 2021, 57(16): 142-150.
[3]	禹忠，顾仁彬，范九伦. 基于LBT-SA的LoRaWAN信道接入方法研究[J]. 计算机工程与应用, 2020, 56(24): 95-101.
[4]	陈桂兰，奚宝华，杨兰英. 改进混合粒子群算法的立体车库存取调度[J]. 计算机工程与应用, 2019, 55(19): 263-270.
[5]	张钧，贺可太. 求解三维装箱问题的混合遗传模拟退火算法[J]. 计算机工程与应用, 2019, 55(14): 32-39.
[6]	俞武扬，周洋. 改进柔性隔间结构的不等形面积设施布局研究[J]. 计算机工程与应用, 2019, 55(14): 221-227.
[7]	汪开普，张则强，邹宾森，毛丽丽. 模糊作业时间的拆卸线平衡Pareto多目标优化[J]. 计算机工程与应用, 2018, 54(1): 256-263.
[8]	张立毅1，王迎2，费腾1，周修飞2. 混沌扰动模拟退火蚁群算法低碳物流路径优化[J]. 计算机工程与应用, 2017, 53(1): 63-68.
[9]	崔永锋，周丁丁. 夜间不定车速环境下的优化调度模型分析[J]. 计算机工程与应用, 2016, 52(9): 239-242.
[10]	杨卫波1，2，王万良1，张景玲3，赵燕伟3. 基于遗传模拟退火算法的矩形件优化排样[J]. 计算机工程与应用, 2016, 52(7): 259-263.
[11]	苏宏升，殷凯乐. 基于Nelder-mead单纯形法的改进人工蜂群算法研究[J]. 计算机工程与应用, 2016, 52(24): 50-56.
[12]	李庆香1，赵晓飞2. 变邻域搜索算法求解机器人制造单元调度问题——排序依赖转换时间[J]. 计算机工程与应用, 2016, 52(23): 167-171.
[13]	蒋丽1，2，王红岩1，2. 集配中心模式下供应延迟干扰管理模型[J]. 计算机工程与应用, 2016, 52(16): 257-260.
[14]	吴艳群，董鹏. 供应链中车辆路径问题的改进模拟退火算法[J]. 计算机工程与应用, 2016, 52(12): 256-260.
[15]	尹航1，3，李远富2，3，赵冬梅1. 基于粗糙集的PPP项目风险分担方案选择研究[J]. 计算机工程与应用, 2015, 51(9): 9-15.