文献类型：期刊文章

作　　者：李俊[1] 汪冲[1] 李波[1] 方国康[1]

Li Jun;Wang Chong;Li Bo;Fang Guokang(Hubei Province Key Laboratory of Intelligent Information Processing & Real-time Industrial System, College of Computer Science & Technology,Wuhan University of Science & Technology, Wuhan 430065 , China)

机构地区：[1]武汉科技大学计算机科学与技术学院智能信息处理与实时工业系统湖北省重点实验室,武汉430065

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61273303);武汉科技大学研究生创新创业基金资助项目(JCX2015009);武汉科技大学大学生科技创新基金资助项目(15ZRC101)

年　　份：2016

卷　　号：33

期　　号：9

起止页码：2584-2587

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对粒子群算法容易陷入局部极值、进化后期收敛精度低的缺点,提出了一种基于扰动的精英反向学习粒子群算法。算法采用在粒子迭代的过程中,以一定的概率对当前的最优个体进行动态一般反向学习生成其反向解,引导粒子向最优解空间靠近;用一种非线性递减的方式改变惯性权重,以提高算法的收敛速度和收敛精度;采用扰动的方式增强算法的局部探索能力,帮助粒子跳出局部最优解。在14个标准函数上进行仿真测试,结果表明改进算法具有更高的收敛速度和收敛精度,能有效地避免陷入局部最优,适合求解函数优化的问题。

关 键 词：粒子群优化算法 精英反向学习  惯性权重 极值扰动  局部最优解

分 类 号：TP301.6]