期刊文章详细信息
求解大规模问题协同进化动态粒子群优化算法 ( EI收录)
Dynamic Multi-Swarm Particle Swarm Optimization with Cooperative Coevolution for Large Scale Global Optimization
文献类型:期刊文章
LIANG Jing;LIU Rui;YU Kun-Jie;QU Bo-Yang(School of Electrical Engineering,Zhengzhou University,Zhengzhou 450001,China;School of Electric and Information Engineering,Zhongyuan University of Technology,Zhengzhou 450007,China)
机构地区:[1]郑州大学电气工程学院,河南郑州450001 [2]中原工学院电子信息学院,河南郑州450007
基 金:国家自然科学基金(61673404;61473266;61876169);中国博士后科学基金(2017M622373)~~
年 份:2018
卷 号:29
期 号:9
起止页码:2595-2605
语 种:中文
收录情况:AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊
摘 要:随着工程技术的发展与优化问题数学模型的完善,许多优化问题从低维优化发展成高维的大规模复杂优化,成为实值优化领域的一个热点问题.通过对大规模问题的特点分析,提出了随机动态的协同进化策略,将其加入动态多种群粒子群优化算法中,实现了对种群粒子和决策变量的双重分组.最后,使用CEC2013的大规模全局优化算法的测试集对新算法进行测试,通过和其他算法的对比,验证算法的有效性.
关 键 词:大规模全局优化算法 动态多种群粒子群优化算法 协同进化 基准测试函数
分 类 号:TP311]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...