文献类型：期刊文章

作　　者：李淑香[1]

LI Shu-xiang(Department of Mathematics and Physics,Institute of Mobile Communication of Chongqing University of Posts and Telecommunications,Chongqing 401520,China)

机构地区：[1]重庆邮电大学移通学院数理教学部

出　　处：《沈阳工业大学学报》

基　　金：重庆市教委科学技术研究基金资助项目(KJ1501505);重庆市教委教改项目(173157)

年　　份：2019

卷　　号：41

期　　号：6

起止页码：664-668

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了克服标准粒子群搜索算法在函数优化中出现的迭代速度慢、精度低且易陷入局部最优等缺点,提出了一种基于模拟退火的粒子群优化算法.该混合算法利用模拟退火算法中的概率突变能力,在接受新解时既能接受好解也能以一定的概率接受坏解,能够跳出算法的局部最优解,不仅提高了算法的灵活性与多样性,还能提高粒子的多样性,从而获得了较强的全局与局部优化能力.对5个非线性基准函数进行仿真实验对比后发现,混合算法在非线性复杂函数优化中具有更好的寻优能力,表现出调节精度高,收敛速度快等优点,同时避免了"早熟"现象和陷入局部最优的问题.

关 键 词：粒子群算法 遗传算法  模拟退火算法 概率突变  多样性  混合算法 基准函数 函数优化

分 类 号：TP18]