文献类型：期刊文章

作　　者：肖天宇[1] 张著洪[1]

XIAO Tian-yu;ZHANG Zhu-hong(Guizhou Provincial Characteristic Key Laboratory of System Optimization and Scientific Computation,College of Big Data and Information Engineering,Guizhou University,Guiyang 550025,China)

机构地区：[1]贵州大学大数据与信息工程学院贵州省系统优化与科学计算特色重点实验室,贵州贵阳550025

出　　处：《计算机工程与设计》

基　　金：国家自然科学基金项目(62063002、61563009)。

年　　份：2021

卷　　号：42

期　　号：6

起止页码：1614-1622

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对大规模全局函数优化的维数制约求解性能的问题,提出一种多策略混合进化的粒子群算法。为平衡算法的勘测与开采能力,利用种群分割思想将进化种群分为精英、优质、中等和劣质种群;为增强算法的全局搜索能力,劣质种群向精英种群进行对称学习;为增强算法的局部搜索能力,采用局部高斯扰动增强中等种群中粒子的局部勘测能力;为提升算法的搜索效率,精英以及优质种群直接进入下一代。借助两种标准测试集,比较性的实验结果表明,提出的算法在相同终止条件下,其寻优质量有明显优势,有较好的应用潜力。

关 键 词：粒子群优化 大规模优化  全局优化 对称学习  高斯变异

分 类 号：TP301.6]