改进的粒子群理论及在非线性方程组中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (35): 48-50.

改进的粒子群理论及在非线性方程组中的应用

高雷阜，齐微

辽宁工程技术大学理学院数学与系统科学研究所，辽宁阜新 123000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-11 发布日期:2011-12-11

Improved particle swarm theory and application of nonlinear equations

GAO Leifu，QI Wei

Institute of Mathematics and Systems Science，School of Science，Liaoning Technical University，Fuxin，Liaoning 123000，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-11 Published:2011-12-11

摘要/Abstract

摘要： 针对基本粒子群优化算法的“早熟”及参数设置的缺陷，提出基于变尺度的粒子群优化算法。该算法利用变尺度法局部收敛快的特点，使改进后的算法能有效地跳出局部最优解，快速地搜索到全局最优解。仿真结果表明新算法提高了最优解的精度和优化效率;同时验证了新算法有较好的鲁棒性，然后把改进算法成功应用于非线性方程组求解问题。

关键词: 全局优化, 粒子群优化算法, 变尺度算法, 非线性方程组

Abstract: Particle swarm optimization algorithm based on variable metric method is proposed for the defects of elementary particle swarm optimization algorithm "premature" and the parameter setting.The algorithm uses fast local convergence characteristics of the variable metric method，so that the improved algorithm can jump out of local optimal solution effectively，and can also search the global optimal solution quickly.Simulation results show that the new algorithm improves the accuracy of the optimal solution and optimization efficiency;also demonstrate that the new algorithm has better robustness，and then the improved algorithm is successfully applied to solve the problem of nonlinear equations.

Key words: global optimization, particle swarm optimization algorithm, variable metric algorithm, nonlinear equations

高雷阜，齐微. 改进的粒子群理论及在非线性方程组中的应用[J]. 计算机工程与应用, 2011, 47(35): 48-50.

GAO Leifu，QI Wei. Improved particle swarm theory and application of nonlinear equations[J]. Computer Engineering and Applications, 2011, 47(35): 48-50.

[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]	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.
[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]	连玮. 采用树表示的全局最优形状匹配算法[J]. 计算机工程与应用, 2019, 55(1): 217-225.
[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]	钱武文，柴军瑞，张子映，谈然. 基于反射变异策略的自适应差分进化算法[J]. 计算机工程与应用, 2018, 54(15): 161-168.
[13]	薛印玺，许鸿文，李羚. 基于样本密度的全局优化K均值聚类算法[J]. 计算机工程与应用, 2018, 54(14): 143-147.
[14]	曾辉1，王倩2，夏学文3，4，方霞1，5. 基于自适应多种群的粒子群优化算法[J]. 计算机工程与应用, 2018, 54(10): 59-65.
[15]	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.