文献类型：期刊文章

作　　者：周凌云[1,2] 丁立新[1] 彭虎[3] 强小利[2]

机构地区：[1]武汉大学软件工程国家重点实验室武汉大学计算机学院,湖北武汉430072 [2]中南民族大学计算机科学学院,湖北武汉430074 [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.61379059)

年　　份：2017

卷　　号：45

期　　号：11

起止页码：2815-2824

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：粒子群优化算法使用反向学习技术可以提高性能.然而,现有的反向学习粒子群优化算法仅采用粒子最大最小边界计算反向解,没有充分利用群体搜索经验.针对此问题,提出了一种邻域重心反向学习策略,使用邻域重心作为参考点计算反向解,充分吸收群体搜索经验的同时保持种群多样性;采用收缩因子拓展反向解搜索范围,增加找到更高质量解的机率.在典型的基准测试函数、CEC’13测试函数和一个实际工程优化问题上进行验证,实验结果说明了邻域重心反向学习策略的有效性和本文算法的竞争力.

关 键 词：反向学习  邻域重心  多样性 粒子群优化

分 类 号：TP18]