文献类型：期刊文章

作　　者：周新宇[1,2] 吴志健[1,2] 王晖[1,3] 李康顺[4] 张浩宇[1]

机构地区：[1]武汉大学软件工程国家重点实验室,湖北武汉430072 [2]武汉大学计算机学院,湖北武汉430072 [3]南昌工程学院信息工程学院,江西南昌330099 [4]华南农业大学信息学院,广东广州510642

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61070008;No.70971043);软件工程国家重点实验宝开放基金(No.SKLSE2012-09-19);中央高校基本科研业务费专项资金(No.2012211020205)

年　　份：2013

卷　　号：41

期　　号：8

起止页码：1647-1652

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20134917057670)、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：为解决传统粒子群优化算法易出现早熟的不足,提出了精英反向学习策略,引入精英粒子,采用反向学习生成其反向解,扩大搜索区域的范围,可增强算法的全局勘探能力.同时,为避免最优粒子陷入局部最优而导致整个群体出现搜索停滞,提出了差分演化变异策略,采用差分演化算法搜索最优粒子的邻域空间,可增强算法的局部开采能力.在14个测试函数上将本文算法与多种知名的PSO算法进行对比,实验结果表明本文算法在解的精度与收敛速度上更优.

关 键 词：全局优化 粒子群优化 精英反向学习  差分演化变异  群体选择  

分 类 号：TP18]