文献类型：期刊文章

作　　者：徐东方[1] 郭战伟[2]

XU Dong-fang GUO Zhan-wei(Basic Courses Department, Henan Polytechnic, Zhengzhou 450046, China Huashang College, Guangdong University of Finance and Economics, Guangzhou 511300, China)

机构地区：[1]河南职业技术学院基础教学部,河南郑州450046 [2]广东财经大学华商学院会计学院,广东广州511300

出　　处：《数学的实践与认识》

基　　金：国家自然科学基金(61203050);河南省政府决策研究招标课题(2015B213)

年　　份：2016

卷　　号：46

期　　号：19

起止页码：205-211

语　　种：中文

收录情况：BDHX、BDHX2014、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：由于粒子群算法在处理高维复杂函数时存在容易陷入局部最优的问题,提出了多种群子空间学习粒子群算法(SLPSO),采用多种群进化模式,在粒子更新公式中加入了全局最优粒子,加快了粒子收敛速度,同时在种群之间采用了交叉学习的方法,大大提高了算法的全局搜索能力.另外,还增加了一种子空间学习方法,充分地利用粒子的历史经验,有效地避免了陷入局部最优的问题.通过在高维基准测试函数的仿真实验表明,SLPSO算法的测试结果都明显优于其他两种算法,随着函数维数增加,SLPSO算法测试结果的下降幅度明显低于其他两种算法.在6个极其复杂的复合函数的测试中,SLPSO算法有2个测试函数结果非常接近理论值,其他4个也明显优于其他三种算法.

关 键 词：粒子群算法  群体智能算法 高维函数  复合函数 子空间学习

分 类 号：TP18]