文献类型：期刊文章

作　　者：孙辉[1,2,3] 邓志诚[1] 赵嘉[1,2,3] 王晖[1,2,3] 谢海华[1]

SUN Hui;DENG Zhi-cheng;ZHAO Jia;WANG Hui;XIE Hai-hua(School of Information Engineering,Nanchang Institute of Technology,Nanchang,Jiangxi 330099,China;National-Local Joint Engineering Laboratory of Water Engineering Safety and Effective Utilization of Resources in Poyang Lake Area,Nanchang,Jiangxi 330099,China;Jiangxi Province Key Laboratory of Water Information Cooperative Sensing and Intelligent Processing,Nanchang,Jiangxi 330099,China)

机构地区：[1]南昌工程学院信息工程学院,江西南昌330099 [2]鄱阳湖流域水工程安全与资源高效利用国家地方联合工程实验室,江西南昌330099 [3]江西省水信息协同感知与智能处理重点实验室,江西南昌330099

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61663029,No.51669014,No.61663028);江西省杰出青年基金(No.2018ACB21029);江西省杰出青年人才资助计划(No.20171BCB23075);江西省自然科学基金(No.20171BAB202035);江西省教育厅落地计划基金(No.KJLD13096);江西省2018年度研究生创新专项资金项目(No.YC2018-S422)

年　　份：2019

卷　　号：47

期　　号：9

起止页码：1809-1818

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：为平衡粒子群算法勘探与开发能力,本文提出混合均值中心反向学习粒子群优化算法.算法将所有粒子和部分优质粒子分别构造的均值中心进行贪心选择,得出的混合均值中心将对粒子所在区域进行精细搜索.同时对混合均值中心进行反向学习,使粒子能探索更多新区域.将本文算法与最新改进的粒子群算法、人工蜂群算法和差分算法在多种测试函数集上进行比较,实验结果验证了混合均值中心反向学习策略的有效性,算法的综合优化性能更强.

关 键 词：全局寻优 混合均值中心  反向学习  粒子群优化算法

分 类 号：TP182] TP391]