排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
分析了邻域结构对微粒群算法的影响,针对收敛速度慢,早熟收敛等缺点,结合小世界网络的基本特性,提出了一种基于小世界邻域结构的微粒群算法.在该模型中,邻域内部的高聚集性有利于微粒的细致搜索,而邻域间少量的长程连接又能保证微粒在进化过程中更加全面、快捷地实现信息的有效共享,从而在提高收敛速度的同时防止陷入局部最优.将本模型与Gbest模型及环形结构进行比较,发现该算法不仅具有更快的收敛速度,而且能够获得更好的收敛效果. 相似文献
3.
受无标度网络结构特性的启发,将BA模型的"择优连接"机制进行扩展,引入微粒群群体组织方式的构造过程,提出基于高聚集性的无标度网络模型的微粒群算法。算法初期微粒被随机分布在环形结构中,随着搜索的进行不断增加新的微粒,并依据节点度和节点间的距离增加新的连接,最终形成具有高聚集性的无标度网络模型。这样,群体中多数微粒进行局部范围的搜索,而少量微粒按照全局模式搜索,两种方式相互制衡。仿真实验表明,改进后的算法能获得更好的收敛精度和进化速度。 相似文献
1