文献类型：期刊文章

作　　者：张鑫[1] 邹德旋[1] 肖鹏[1] 喻秋[2]

ZHANG Xin;ZOU Dexuan;XIAO Peng;YU Qiu(School of Electrical Engineering & Automation, Jiangsu Normal University, Xuzhou, Jiangsu 221116, China;School of Mechatronic Engineering, Jiangsu Normal University, Xuzhou, Jiangsu 221116, China)

机构地区：[1]江苏师范大学电气工程及自动化学院,江苏徐州221116 [2]江苏师范大学机电工程学院,江苏徐州221116

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61403174);江苏省研究生科研创新计划项目(No.KYCX17_1576;No.KYCX18_2150)

年　　份：2019

卷　　号：55

期　　号：8

起止页码：250-263

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对粒子群优化算法(Particle Swarm Optimization,PSO)寻优速度慢、收敛精度不高且搜索结果波动性较大的缺点,提出了一种自适应简化粒子群优化算法(Self-Adjusted Simplified Particle Swarm Optimization,SASPSO)。在每次迭代过程中,粒子只受全局最优解影响,且加入按一定规律分布的锁定因子,令粒子受影响的程度有规律性。同时,利用锁定因子和当前粒子位置令惯性权重自适应配置,更有效地利用惯性权重对粒子群优化算法的影响。引入4种近期提出的改进粒子群算法同时搜索不同维度时的18个基准函数,与SASPSO的搜索结果对比,并使用T-test进行差异性分析。为了进一步分析算法性能,统计5个改进算法搜索100维函数达到期望值时的成功率与平均迭代次数。实验结果证明,SASPSO在无约束问题寻优中的收敛速度、寻优精度有了明显提升,且搜索结果异常值较少,波动性弱。将SASPSO应用于机床主轴结构参数优化问题,结果显示SASPSO优化性能更好。

关 键 词：粒子群优化算法 自适应简化粒子群算法  群体智能 基准函数 无约束问题 优化设计  机床主轴

分 类 号：TP301]