| 微粒群算法的研究现状及发展趋势 |
| |
| 引用本文： | 夏桂梅 曾建潮. 微粒群算法的研究现状及发展趋势[J]. 山西师范大学学报：自然科学版, 2005, 19(1): 23-25 |
| |
| 作者姓名： | 夏桂梅 曾建潮 |
| |
| 作者单位： | 太原科技大学数学系,山西太原030024 |
| |
| 基金项目： | 太原科技大学青年基金(200233) |
| |
| 摘 要： | 微粒群优化算法(PSO)是一种进化计算技术(evolutionary computation)．算法通过微粒间的相互作用发现复杂搜索空间中的最优区域。其优点是：计算速度快且简单易实现；缺点是容易陷入局部极值点，进化后期收敛速度慢且精度较差．本文对微粒群算法的研究现状进行了部分介绍，并对其研究的发展趋势进行了预测．
|
| 关 键 词： | 微粒群算法 计算速度 进化计算 搜索空间 优化算法 最优 PSO 研究现状 后期 发现 |
| 文章编号： | 1009-4490(2005)01-0023-03 |
| 修稿时间： | 2004-10-27 |
A Researchful Performance and Tendency of Particle Swarm Optimization Algorithms |
| |
| XIA Gui-mei,ZENG Jian-chao. A Researchful Performance and Tendency of Particle Swarm Optimization Algorithms[J]. Journal of Shanxi Teachers University, 2005, 19(1): 23-25 |
| |
| Authors: | XIA Gui-mei ZENG Jian-chao |
| |
| Abstract: | Particle swarm optimizers algorithms are a evolutionary computation. The particle swarm optimizers algorithms find optimal regions of complex search space through the interaction of individuals in a population of particles. The rapid speed of calculation and simple realization are its excellent performance. However , it gets into the local extremum point easily and the speed of convergence is slow in the evening of evolution, and its precision is not good. This paper starts with the researchful performance of particle swarm optimizers algorithms ,then presents the tendency of particle swarm optimizers algorithms. |
| |
| Keywords: | Particle swarm optimizers Evolutionary computation Swarm intelligence |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
