文献类型：期刊文章

作　　者：武少华[1] 高岳林[2]

WU Shaohua;GAO Yuelin(School of Mathematics and Statistics,Ningxia University,Yinchuan 750021,China;Ningxia Key Laboratory of Intelligent Information and Big Data Processing,North Minzu University,Yinchuan 750021,China)

机构地区：[1]宁夏大学数学统计学院,宁夏银川750021 [2]北方民族大学宁夏智能信息与大数据处理重点实验室,宁夏银川750021

出　　处：《合肥工业大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61561001);宁夏高等教育一流学科建设资助项目(NXYLXK2017B09);北方民族大学重点科研资助项目(2015KJ10)

年　　份：2019

卷　　号：42

期　　号：2

起止页码：184-188

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对粒子群算法(particle swarm optimization,PSO)"早熟收敛"和后期收敛速度慢的特点,文章提出了一种改进的PSO算法。该算法摒弃了近年来许多在改进过程中引入过量繁琐公式、各种变换因子而导致算法过程冗杂的粒子群改进方法,而是在简化PSO算法的基础上引入自适应局部搜索因子,在种群不变的情况下拓宽了搜索范围并提高了搜索精度,且在某些测试函数下寻优效果明显优于其他复杂的PSO优化算法。最后的测试实验表明,该文算法能避免早熟问题,有效地提高了算法的精确寻优能力。

关 键 词：粒子群算法(PSO)  局部搜索 全局搜索 高斯分布

分 类 号：TP301.6]