排序方式： 共有3条查询结果，搜索用时 5 毫秒
1
1.
提出了一种新的基于划分和重分布的粒子群优化算法.新算法将粒子划分为普通和优化两类.普通粒子随机产生，速度快，侧重全局搜索；优化粒子紧随群体最优并且速度较慢，侧重局部收敛，以提高收敛精度.当群体最优未发生变更的时间过长时，在保持群体最优的同时将粒子重新分布，以摆脱过早的局部收敛.对典型函数的测试结果表明，新算法没有增加复杂度，在摆脱解的早熟和提高解的收敛精度等方面优于基本粒子群算法. 相似文献
2.
基于搜索空间划分和Sharing函数的粒子群优化算法 总被引：1，自引：0，他引：1
传统粒子群优化算法PSO（Particle Swarm Optimization）概念简单,适应性强,但存在早熟等问题.本文提出了新的基于搜索空间划分（Search Space Division）和Sharing函数的智能分布粒子群优化算法（SDSIR-PSO）.创新点包括：(1)保优的重布粒子算法；(2)引入Sharing函数阻止重分布的粒子陷入同一局部最优；(3)划分搜索空间，子空间中寻优，再优中选优，作全局最优.通过对典型测试函数的详细测试验证了新算法的有效性，在相同条件下较传统算法的解精度提高了8 相似文献
3.
为提高粒子群优化算法在优化问题中的效率,本文提出了并行粒子群优化算法(BLP-SO).基本思想是并行机制 最佳粒子共享 分层搜索.主要工作包括(1)信息共享机制中引入了区域学习,使粒子更新能参考其他粒子的信息;(2)提出了粒子群两层划分模型,底层利于扩大搜索范围,上层利于全局精细搜索;(3)证明了关于粒子群和并行粒子群收敛性定理;(4)在4个基准函数上的优化实验表明,新方法比经典的IPPSO并行粒子群算法在解的精度上提高了51.93%到96.10%. 相似文献
1