模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2014, Vol. 27 Issue (2): 146-152    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于异构多种群策略的动态概率粒子群优化算法*
倪庆剑1,2,邓建明1,邢汉承1
1.东南大学 计算机科学与工程学院 南京 211189
2.苏州大学 江苏省计算机信息处理技术重点实验室 苏州 215006
Dynamic Probabilistic Particle Swarm Optimization Based on Heterogeneous Multiple Population Strategy
NI Qing-Jian1,2, DENG Jian-Ming1, XING Han-Cheng1
1.School of Computer Science and Engineering, Southeast University, Nanjing 211189
2.Provincial Key Laboratory for Computer Information Processing Technology, Soochow University, Suzhou 215006

全文: PDF (563 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 结合动态概率粒子群优化算法(DPPSO)特点,针对传统的单种群粒子群优化算法易陷入局部最优、收敛速度较慢的缺点,文中提出一种基于异构多种群策略的DPPSO。该算法在进化过程中保持多个子种群,每个子种群以不同的DPPSO变体进行进化,子种群之间根据一定规律进行通信,从而保持整个种群内部的信息交流,进而协调DPPSO的勘探和开采能力。通过典型的Benchmark函数优化问题测试并分析基于异构多种群策略的DPPSO性能,结果显示,使用该策略的算法收敛速度较快,稳定性有较显著提高,具有较强的全局搜索能力。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
倪庆剑
邓建明
邢汉承
关键词 粒子群优化算法(PSO)动态概率粒子群优化算法(DPPSO)多种群策略    
Abstract:Aiming at premature convergence and the slow search speed of the traditional particle swarm optimization, a heterogeneous multiple population strategy is combined with the characteristics of dynamic probabilistic particle swarm optimization (DPPSO). In the evolutionary process of DPPSO with the strategy, multiple sub-populations are maintained and each sub-population evolves with different DPPSO variants. According to certain rules, communication between the sub-populations are executed to maintain the information exchange inside the entire population and coordinate exploration and exploitation. DPPSO algorithms with the strategy are tested on four benchmark functions which are commonly used in the evolutionary computation. Experimental results demonstrate that the DPPSO with the strategy significantly improves the convergence speed and stability with strong global search ability.
Key wordsParticle Swarm Optimization(PSO)    Dynamic Probabilistic Particle Swarm Optimization(DPPSO)    Multiple Population Strategy   
收稿日期: 2013-05-13     
ZTFLH: TP 181  
基金资助:国家自然科学基金资助项目(No.61170164)
作者简介: 倪庆剑(通讯作者),男,1980年生,博士,讲师,主要研究方向为计算智能及其应用.E-mail:nqj@seu.edu.cn. 邓建明,男,1953年生,博士,教授,主要研究方向为人工智能及其应用.邢汉承,男,1938年生,教授,博士生导师,主要研究方向为人工智能、逻辑程序设计.
引用本文:   
倪庆剑,邓建明,邢汉承. 基于异构多种群策略的动态概率粒子群优化算法*[J]. 模式识别与人工智能, 2014, 27(2): 146-152. NI Qing-Jian, DENG Jian-Ming, XING Han-Cheng. Dynamic Probabilistic Particle Swarm Optimization Based on Heterogeneous Multiple Population Strategy. , 2014, 27(2): 146-152.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2014/V27/I2/146
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn