文献类型：期刊文章

作　　者：邓绍强[1] 郭宗建[1] 李芳[1] 汤可宗[1] 刘康[1]

DENG Shao-qiang;GUO Zong-jian;LI Fang;TANG Ke-zong;LIU kang(School of Information Engineering,Jingdezhen Ceramic University,Jingdezhen 333403,China)

机构地区：[1]景德镇陶瓷大学信息工程学院,江西景德镇333403

出　　处：《软件导刊》

基　　金：江西省教育厅科学技术研究项目(GJJ211331,GJJ211329)。

年　　份：2022

卷　　号：21

期　　号：6

起止页码：85-91

语　　种：中文

收录情况：普通刊

摘　　要：为有效提高粒子群优化(PSO)算法搜索最优解的效率,提出一种基于Metropolis准则的自适应模拟退火粒子群优化(ASAPSO)算法。首先,ASAPSO采用一种新的自适应极值惯性权重方式,能有效平衡粒子种群的全局搜索和局部搜索过程;其次,通过分析粒子个体间信息交流方式,构建粒子飞行学习交流的中心粒子,该粒子能有效增强粒子个体的社会学习能力;最后,基于Metropolis准则的模拟退火选择概率,粒子群体在中心粒子的引领下向着全局最优解不断逼近,能有效避免粒子群体陷入局部最优区域。仿真实验表明,相比其他测试算法,ASAPSO收敛精度高,在多种标准测试函数中收敛率(CR)可达94%以上,能有效提高粒子种群的寻优效率。

关 键 词：粒子群优化算法 模拟退火 METROPOLIS准则 自适应模拟退火粒子群算法  

分 类 号：TP273]