求解矩阵特征值的改进PSO算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (9): 40-42.

求解矩阵特征值的改进PSO算法

王志，胡小兵，何雪海

重庆大学数学与统计学院，重庆 400030

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-03-21 发布日期:2012-04-11

Modified PSO algorithm for solving matrix eigenvalues

WANG Zhi, HU Xiaobing, HE Xuehai

College of Mathematics & Statistics, Chongqing University, Chongqing 400030, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-03-21 Published:2012-04-11

摘要/Abstract

摘要： 为了改进粒子群算法在求解矩阵特征值时只能根据矩阵特征值范围逐一求解特征值的现状。提出了一种改进的粒子群算法。改进的粒子群算法采用寻找到一个特征值后，适当改变适应值函数的策略，使搜索区域远离已寻找到的特征值，继续寻找其他的特征值，如此反复，直到寻找到所有的特征值为止。利用四个不同类型的矩阵求解特征值进行仿真，实验结果也验证了算法的实用性和有效性。

关键词: 粒子群算法, 特征值, 适应值函数

Abstract: To improve the situation that eigenvalue of matrix is gained one-by-one through the application of Particle Swarm Optimization, a new kind of Particle Swarm Optimization is proposed. The modified Particle Swarm Optimization probably changes the fitness function after one eigenvalue is gained. Through this strategy, all the eigenvalues of a matrix will be got through one application of Particle Swarm Optimization. Simulation experiment with four kinds of matrix shows the practicality and effectiveness of the modified Particle Swarm Optimization.

Key words: Particle Swarm Optimization, eigenvalue, fitness function

王志，胡小兵，何雪海. 求解矩阵特征值的改进PSO算法[J]. 计算机工程与应用, 2012, 48(9): 40-42.

WANG Zhi, HU Xiaobing, HE Xuehai. Modified PSO algorithm for solving matrix eigenvalues[J]. Computer Engineering and Applications, 2012, 48(9): 40-42.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	蔡秀梅，卞静伟，吴成茂，王妍. 基于LBP的鲁棒特征提取与匹配方法研究[J]. 计算机工程与应用, 2021, 57(16): 228-236.
[7]	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.
[8]	周蓉，李俊，王浩. 基于灰狼优化的反向学习粒子群算法[J]. 计算机工程与应用, 2020, 56(7): 48-56.
[9]	杨华龙，陆婷，辛禹辰. 基于改进粒子群算法的异质车队二级IRP优化[J]. 计算机工程与应用, 2020, 56(22): 272-278.
[10]	覃凤婷，杨有龙，仇海全. 基于稀疏子空间的局部异常值检测算法[J]. 计算机工程与应用, 2020, 56(19): 152-159.
[11]	杨彦荣，宋荣杰，周兆永. 基于GAN-PSO-ELM的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(12): 66-72.
[12]	周琴，程立正. 层适应网格上求解奇异摄动问题的粒子群算法[J]. 计算机工程与应用, 2020, 56(11): 46-50.
[13]	胡雪娇，陈行健，赵南，薛卫. PSO_BFA优化词袋模型及蛋白质亚细胞定位预测[J]. 计算机工程与应用, 2020, 56(1): 165-171.
[14]	蒋丽1，2，叶润舟1，2，梁昌勇1，2，陆文星1，2. 改进的二阶振荡粒子群算法[J]. 计算机工程与应用, 2019, 55(9): 130-138.
[15]	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.