文献类型：期刊文章

作　　者：申元霞[1,2,3] 王国胤[1,2] 曾传华[3]

机构地区：[1]西南交通大学信息科学与技术学院,四川成都610031 [2]重庆邮电大学计算机科学与技术研究所,重庆400065 [3]重庆文理学院计算机学院,重庆402160

出　　处：《软件学报》

基　　金：国家自然科学基金(60773113);重庆市杰出青年科学基金(2008BA2041);重庆市自然科学基金重点项目(2008BA2017)

年　　份：2011

卷　　号：22

期　　号：4

起止页码：695-708

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20112013990726)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：在粒子群优化算法中,粒子如何合理地利用自身经验信息和群体共享信息的问题一直未能有效解决.针对这一问题,基于认知论的观点,对速度更新公式中的随机因子进行了分析,建立了粒子对自身经验信息和群体共享信息认知的内在联系,提出了相关性粒子群优化模型.该模型采用Copula函数去刻画随机因子间的相关结构,而不同的相关结构和相关性程度反映了粒子对自身经验信息和群体共享信息的利用策略的差异,同时给出了基于Gaussian Copula的相关性粒子群优化模型的实现方法.理论上给出了随机因子间相关程度与群体多样性的关系式,表明了当随机因子间正线性相关时有利于维持群体的多样性.证明了随机因子间相关程度与算法收敛性的关系,同时给出了相关性粒子群优化模型的收敛条件.仿真实验结果表明,随机因子间相关程度的水平设置对模型的优化性能有非常显著的影响,当粒子的自身经验信息和群体共享信息被同等利用时,模型表现出优良的整体性能.

关 键 词：粒子群优化 相关性  COPULA 收敛性

分 类 号：TP183]