文献类型：期刊文章

作　　者：邵鹏[1,2] 吴志健[1,2] 周炫余[2] 邓长寿[3]

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]九江学院信息科学与技术学院,江西九江332005

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61070008;No.70971043);武汉大学软件工程国家重点实验室开放基金项目(No.SKLSE2012-09-19);中央高校基本科研业务专项项目(No.2012211020205);江西省教育厅科学技术项目(No.GJJ13729)

年　　份：2015

卷　　号：43

期　　号：11

起止页码：2137-2144

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20155201736889)、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：对于粒子群优化算法易陷入局部最优的缺陷,反向学习策略对其的改进取得了较好的效果.然而,反向学习策略需要结合其它策略来提高算法后期的全局搜索能力,针对此缺陷,根据光的折射原理对反向学习策略的反向过程进行改进,提出反向学习的统一算法模型及基于折射原理反向学习模型的改进粒子群算法.实验与分析表明,与其它基于反向学习的粒子群算法相比,该模型更有效地改进了所提算法的全局搜索能力,提高了种群的多样性,从而提高了算法的收敛速度以及优化精度.

关 键 词：智能优化算法 粒子群优化算法 反向学习  折射原理  

分 类 号：TP18]