基于聚类分析的微粒群算法

doi:10.3778/j.issn.1002-8331.2008.20.012

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (20): 41-44.DOI: 10.3778/j.issn.1002-8331.2008.20.012

基于聚类分析的微粒群算法

郝武伟,曾建潮

太原科技大学系统仿真与计算机应用研究所，太原 030024

收稿日期:2007-10-24 修回日期:2007-12-29 出版日期:2008-07-11 发布日期:2008-07-11
通讯作者: 郝武伟

Particle swarm optimization algorithm based on cluster analysis

HAO Wu-wei,ZENG Jian-chao

Division of System Simulation and Computer Application，Taiyuan University of Science and Technology，Taiyuan 030024，China

Received:2007-10-24 Revised:2007-12-29 Online:2008-07-11 Published:2008-07-11
Contact: HAO Wu-wei

摘要/Abstract

摘要： 在对基本PSO算法进行分析的基础上，针对PSO算法中的早熟收敛问题，提出了一种基于聚类分析的PSO算法（CPSO）。CPSO算法保证了微粒种群的多样性，使微粒能够有效地进行全局搜索。并证明了它依概率收敛于全局最优解。最后以典型的基准优化问题进行了仿真实验，验证了CPSO的有效性。

关键词: 微粒群算法, 全局优化, 收敛性, 聚类分析

Abstract: A new PSO algorithm based on the cluster analysis（CPSO） is proposed for the problem of the premature convergence by the analysis of the standard PSO.The CPSO is guaranteed that the particles are diversiform，and can make particles explore the global optimization more efficiently.The CPSO is guaranteed to converge to the global optimization solution with probability one.Finally，several examples are simulated to show that CPSO is more efficient than the standard PSO.

Key words: Particle Swarm Optimization（PSO）, global optimization, convergence, cluster analysis

郝武伟,曾建潮. 基于聚类分析的微粒群算法[J]. 计算机工程与应用, 2008, 44(20): 41-44.

HAO Wu-wei,ZENG Jian-chao. Particle swarm optimization algorithm based on cluster analysis[J]. Computer Engineering and Applications, 2008, 44(20): 41-44.

[1]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[2]	陈雷，尹钧圣. 高斯差分变异和对数惯性权重优化的鲸群算法[J]. 计算机工程与应用, 2021, 57(2): 77-90.
[3]	安宁，江思源，唐晨，杨矫云. 融合单纯形映射与熵加权的聚类方法[J]. 计算机工程与应用, 2020, 56(9): 148-155.
[4]	衣俊艳，杜小鹏. 具有中心移动特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(24): 50-58.
[5]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[6]	罗计根，杜建强，聂斌，李欢，聂建华，陈裕凤. 一种聚类欠采样策略的随机森林优化方法[J]. 计算机工程与应用, 2020, 56(22): 166-172.
[7]	马倩茹，冶继民. FastICA算法的收敛性与一致性分析[J]. 计算机工程与应用, 2020, 56(2): 35-41.
[8]	马京晖，潘巍，王茹. 基于K-means聚类的三维点云分类[J]. 计算机工程与应用, 2020, 56(17): 181-186.
[9]	蒋世豪，江洪. 基于GDAL的遥感图像变化检测技术[J]. 计算机工程与应用, 2020, 56(16): 169-175.
[10]	贾露，张德生，吕端端. 物理学优化的密度峰值聚类算法[J]. 计算机工程与应用, 2020, 56(13): 47-53.
[11]	陈胜发，贾瑞玉. 基于残差和密度网格的簇心自确认聚类算法[J]. 计算机工程与应用, 2020, 56(12): 149-155.
[12]	黄建新，袁杰. 三维空间机器人主动嗅觉烟羽源自主定位策略[J]. 计算机工程与应用, 2020, 56(12): 223-230.
[13]	方建文，黄钢，曹文明. 笔触风格化技术研究综述[J]. 计算机工程与应用, 2019, 55(9): 33-37.
[14]	雍巧玲，衣俊艳. 具有动态特性的聚类弹性网络算法研究[J]. 计算机工程与应用, 2019, 55(8): 102-109.
[15]	闫旭，叶春明. 混合蝗虫优化算法求解作业车间调度问题[J]. 计算机工程与应用, 2019, 55(6): 257-264.

基于聚类分析的微粒群算法

Particle swarm optimization algorithm based on cluster analysis

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