吉林大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (02): 429-433.
窦全胜1,2, 潘冠宇3, 刘岩1, 周春光4, 史忠植2
DOU Quan-sheng1,2, PAN Guan-yu3, LIU Yan1, ZHOU Chun-guang4, SHI Zhong-zhi2
摘要: 针对传统PSO方法对CEC2005(The 2005 IEEE Congress on evolutionary computation)中的25个benchmark函数搜索效果较差的问题,提出了"向量整体修订"和"局部跳出"两种改进策略。改变PSO方法中粒子在每一维上的修订相互独立的传统机制,按某一概率将粒子作为整体进行修正,当群体最优长时间不变或变化值小于一定阈值时,为跳出局部最优,按某一概率重新定义群体最优或初始化群体。通过实验证明了改进后的PSO方法对CEC2005中的测试问题的有效性。
中图分类号:
[1] Eberhart R, Kennedy J. A new optimizer using particle swarm theory//Proceedings of the Sixth International Symposium on Micro Machine and Human Science, Nagoya, Japan, 1995.[2] Kennedy J, Eberhart R C. Particle swarm optimization//Proc IEEE International Conference on Neural Networks. IEEE Service Center, Piscataway, 1995.[3] Shi Y, Eberhart R. Monitoring of particle swarm optimization[J]. Frontiers of Computer Science in China, 2009, 3(1):31-37.[4] 崔光照, 李小广, 张勋才, 等. 基于改进的粒子群遗传算法的DNA编码序列优化[J]. 计算机学报, 2010, 33(2):311-316. Cui Guang-zhao, Li Xiao-guang, Zhang Xun-cai, et al. The optimization of DNA encodings based on modified PSO/GA algorithm[J]. Chinese Journal of Computers, 2010, 33(2):311-316.[5] 纪震, 周家锐, 廖惠连,等. 智能单粒子优化算法[J]. 计算机学报, 2010, 33(3) :556-562. Ji Zhen, Zhou Jia-rui, Liao Hui-lian, et al. A novel intelligent single particle optimizer[J]. Chinese Journal of Computers, 2010, 33(3) :556-562.[6] 潘冠宇, 刘大有, 窦全胜, 等. PSO方法的收敛性及基于微分演化的参数确定策略[J]. 吉林大学学报: 工学版, 2007, 37 (4): 842-845. Pan Guan-yu, Liu Da-you, Dou Quan-sheng, et al. Convergence property and parameters-selection strategy base on differential evolution of PSO[J]. Journal of Jilin University(Engineering and Technology Edition), 2007, 37(4): 842-845.[7] Poli R. Mean and variance of the sampling distribution of particle swarm optimizers during stagnation[J]. IEEE Transactions on Evolutionary Computation, 2009, 13(4): 712-721.[8] Suganthan P N, Hansen N, Liang J J, et al. Problem definitions and evaluation criteria for the CEC 2005 special session on real-parameter optimization..http://web.mysites.ntu.edu.sg/epnsugan/PublicSite/Shared%20Documents/CEC2005/Tech-Report-May-30-05.pdf[9] Hansen N. Compilation of results on the 2005 CEC benchmark function set.. http://www3.ntu.edu.sg/home/epnsugan/index_files/CEC-05/compareresults.pdf |
[1] | 刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850. |
[2] | 王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858. |
[3] | 金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866. |
[4] | 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872. |
[5] | 刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878. |
[6] | 欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570. |
[7] | 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599. |
[8] | 桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605. |
[9] | 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613. |
[10] | 车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628. |
[11] | 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223. |
[12] | 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230. |
[13] | 傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236. |
[14] | 曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243. |
[15] | 侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253. |
|