基于惯性权重指数递减的粒子群优化算法求解绝对值方程

吉林大学学报(理学版)

基于惯性权重指数递减的粒子群优化算法求解绝对值方程

封京梅^1,2, 刘三阳¹

1. 西安电子科技大学数学与统计学院, 西安 710126; 2. 陕西广播电视大学工程管理系，西安 710119

收稿日期:2015-12-09 出版日期:2016-11-26 发布日期:2016-11-29
通讯作者: 刘三阳 E-mail:liusanyang@126.com

Particle Swarm Optimization Algorithm Based on Inertia WeightExponentially Decreasing for Solving Absolute Value Equations

FENG Jingmei^1,2, LIU Sanyang¹

1. School of Mathematics and Statistics, Xidian University, Xi’an 710126, China;2. Department of Engineering Management, Shaanxi Radio and TV University, Xi’an 710119, China

Received:2015-12-09 Online:2016-11-26 Published:2016-11-29
Contact: LIU Sanyang E-mail:liusanyang@126.com

摘要/Abstract

摘要： 利用惯性权重指数递减的粒子群优化算法求解一类不可微的NP难的绝对值方程问题. 该算法通过调整惯性权重的动态变化能有效克服基本粒子群算法在后期局部搜索能力差、易陷入局部最优解的缺点. 数值试验表明, 在求解具有唯一解或多个解的绝对值方程时, 该算法精度高, 迭代次数少.

关键词: 粒子群优化算法, 绝对值方程, 动态惯性权重

Abstract: Using particle swarm optimization algorithm with inertia weight exponentially decreasing, we solved a class of nondifferentiable NPhard problem of absolute value equations. This method could effectively overcome the shortcomings of the local search ability of basic particle swarm algorithm was weak in the late and easy to fall into local optimal solution by adjusting the dynamic changes of the inertia weight. Numerical experiments show that the proposed algorithm has high precision and less number of iterations for solving absolute value equations with unique solution or multiple solutions.

Key words: dynamic inertia weight, absolute value equation, particle swarm optimization algorithm (PSO)

中图分类号:

O221

封京梅, 刘三阳. 基于惯性权重指数递减的粒子群优化算法求解绝对值方程[J]. 吉林大学学报(理学版), 2016, 54(06): 1265-1269.

FENG Jingmei, LIU Sanyang. Particle Swarm Optimization Algorithm Based on Inertia WeightExponentially Decreasing for Solving Absolute Value Equations[J]. Journal of Jilin University Science Edition, 2016, 54(06): 1265-1269.

[1]	于生宝, 房钰, 高丽辉, 刁庶. 基于改进粒子群优化算法的可控发射电流频率SHEPWM控制方法[J]. 吉林大学学报(理学版), 2020, 58(5): 1207-1214.
[2]	袁开银, 王峰. 基于指标选择和加权融合的无线传感器网络安全风险评估[J]. 吉林大学学报(理学版), 2020, 58(4): 937-943.
[3]	吕洪斌, 杨忠鹏, 陈梅香, 王信存. 矩阵方程A+X=AX广义三次矩阵解与绝对值方程的解#br#[J]. 吉林大学学报(理学版), 2020, 58(3): 498-506.
[4]	金晓民, 张丽萍, 李慧静. 控制活动轮廓演化的快速图像分割方法[J]. 吉林大学学报(理学版), 2020, 58(3): 639-644.
[5]	史肖冰, 郭德贵, 曹捷. 基于自适应Hata模型的无线电发射源定位方法[J]. 吉林大学学报(理学版), 2020, 58(1): 109-112.
[6]	封京梅, 刘三阳. 基于单纯形法进行局部优化的人群搜索算法求解绝对值方程[J]. 吉林大学学报(理学版), 2019, 57(5): 1075-10880.
[7]	郭玉洁, 张强, 袁和平. 一种双种群协同多目标粒子群优化算法及应用[J]. 吉林大学学报(理学版), 2019, 57(5): 1155-1162.
[8]	姜兴武, 姜舶洋, 王秀玉. 线性互补问题解存在的一个正则性条件[J]. 吉林大学学报(理学版), 2019, 57(3): 535-538.
[9]	刘帅, 刘元宁, 庄述鑫, 侯铭楷, 陈静, 张水涵. 自适应优化Log-Gabor滤波器与动态径向基函数神经网络的虹膜识别[J]. 吉林大学学报(理学版), 2019, 57(2): 331-338.
[10]	张淑华, 李平. 基于组合智能算法的无线网络信道分配机制[J]. 吉林大学学报(理学版), 2019, 57(1): 139-144.
[11]	姜兴武, 姜舶洋, 杨雪莹, 王秀玉. 基于同伦方法构造绝对值方程解存在的条件[J]. 吉林大学学报(理学版), 2018, 56(6): 1397-1401.
[12]	杨雪, 董红斌, 董宇欣. 改进的量子粒子群优化算法对多维多选择背包问题的求解[J]. 吉林大学学报(理学版), 2018, 56(6): 1461-1468.
[13]	王宏志, 姜方达, 周明月. 基于粒子群优化的认知无线电功率分配算法[J]. 吉林大学学报(理学版), 2018, 56(6): 1483-1487.
[14]	晁妍, 王诗兵, 王慧玲. 基于奇异值分解和粒子群优化算法的图像水印算法[J]. 吉林大学学报(理学版), 2018, 56(5): 1163-1169.
[15]	刘洋. 基于改进粒子群优化算法的图像分割[J]. 吉林大学学报(理学版), 2018, 56(4): 959-964.