文献类型：期刊文章

作　　者：夏学文[1] 王博建[1] 金畅[1] 何国良[2] 谢承旺[1] 魏波[1]

机构地区：[1]华东交通大学软件学院智能优化与信息处理研究所,江西南昌330013 [2]武汉大学计算机学院,湖北武汉430079

出　　处：《系统仿真学报》

基　　金：国家自然科学基金(61663009;61602174;61562028);江西省自然科学基金(20161BAB202064;20151BAB207022;20161BAB212052);江西省教育厅科研项目(GJJ150539;GJJ150496)

年　　份：2016

卷　　号：28

期　　号：12

起止页码：2887-2895

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2015_2016、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对粒子群算法易早熟收敛、逃离局部最优能力差、精度低等缺点,提出了一种自适应多种群PSO算法(Self-adaptive Multi-swarm Particle Swarm Optimization,SMPSO)。算法通过多个子种群独立进化和自适应重组操作既保持了种群多样性又实现了子种群间的信息共享与交互;同时,通过对粒子历史最优解进行周期性采样与统计,进而指导算法进行探测操作,不仅增强算法的全局搜索能力,也提高其跳出局部最优的能力;最后,引入了两种局部搜索策略提升了算法的收敛速度和求解精度。通过和其它PSO算法在标准测试函数和工程应用的实验对比表明,SMPSO在逃逸能力、收敛速度和求解精度上有显著提高。

关 键 词：粒子群算法 多种群 自适应 探测操作  局部搜索

分 类 号：TP301]