文献类型：期刊文章

作　　者：纪震[1] 周家锐[1] 廖惠连[2] 吴青华[2]

机构地区：[1]深圳大学计算机与软件学院德州仪器DSPs实验室,深圳518060 [2]利物浦大学电气电子工程系,英国利物浦L693GJ

出　　处：《计算机学报》

基　　金：国家自然科学基金(60572100,60872125);国家自然科学基金委员会与英国皇家学会合作研究项目(60711130233);深圳市科技三项经费(200704)资助

年　　份：2010

卷　　号：33

期　　号：3

起止页码：556-561

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20101912918606)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：文中在传统粒子群优化(Particle Swarm Optimization,PSO)算法的基础上,提出了智能单粒子优化算法(Intelligent Single Particle Opti mizer,ISPO).与传统的PSO算法不同,该算法采用了一个粒子在解空间中搜索,粒子的位置矢量被分成一定数量的子矢量,并基于子矢量对粒子进行更新.在子矢量更新过程中,通过分析之前的速度更新情况,引入一种新的学习策略,使粒子在搜索空间中能够动态地调整速度和位置,从而向全局最优靠近.实验表明,此算法对大部分标准复合测试函数都具有很强的全局搜索能力,其寻优能力超过了国际上最近提出的基于PSO的改进算法.

关 键 词：智能单粒子优化算法  粒子群优化 子矢量  学习策略  

分 类 号：TP18]