一种基于有向动态网络拓扑的粒子群优化算法

doi:10.3778/j.issn.1002-8331.2009.27.005

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (27): 15-17.DOI: 10.3778/j.issn.1002-8331.2009.27.005

一种基于有向动态网络拓扑的粒子群优化算法

姚灿中，杨建梅

华南理工大学工商管理学院，广州 510640

收稿日期:2009-07-27 修回日期:2009-08-27 出版日期:2009-09-21 发布日期:2009-09-21
通讯作者: 姚灿中

Improved PSO algorithm with dynamic directed network topology

YAO Can-zhong，YANG Jian-mei

School of Business Administration，South China University of Technology，Guangzhou 510640，China

Received:2009-07-27 Revised:2009-08-27 Online:2009-09-21 Published:2009-09-21
Contact: YAO Can-zhong

摘要/Abstract

摘要： 该文提出了一种改进的PSO算法PSO-DSF。引进有向类无标度网作为粒子群寻优的拓扑结构，提出作为粒子邻域拓扑的有向网络动态变化机制，使有向网络在出度服从幂律分布的条件下动态变化，从而提高算法的多样性，避免过早陷入局部最优的情况。通过函数测试，证实了该改进方案的有效性。

关键词: 粒子群优化算法, 有向网络, 类无标度网

Abstract: A new approach is suggested to improve PSO’s performance called algorithm PSO-DSF.The dynamic Scale-Free like network is brought as the neighborhood topology structures and the mechanism of the dynamic directed network is designed.As the network evolves with the mechanism， the out degrees of the network follow the power-law distribution and the diversity of the algorithm is improved.The algorithm is identified that perform well when it is near optima positions.Four benchmark functions are selected as the tested functions.The experimental results illustrate the advantage of PSO-DSF.

Key words: Particle Swarm Optimization, directed network, scale-free like network

中图分类号:

TP301

姚灿中，杨建梅. 一种基于有向动态网络拓扑的粒子群优化算法[J]. 计算机工程与应用, 2009, 45(27): 15-17.

YAO Can-zhong，YANG Jian-mei. Improved PSO algorithm with dynamic directed network topology[J]. Computer Engineering and Applications, 2009, 45(27): 15-17.

[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]	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.
[5]	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.
[6]	张雯丽，林上为，李艺海，郭慧铃. 在PMC模型下单向k元n立方体的诊断度[J]. 计算机工程与应用, 2019, 55(4): 62-65.
[7]	冯译萱，张月霞. 一种时序有向网络中的链路预测方法[J]. 计算机工程与应用, 2019, 55(21): 151-157.
[8]	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.
[9]	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.
[10]	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.
[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.

一种基于有向动态网络拓扑的粒子群优化算法

Improved PSO algorithm with dynamic directed network topology

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