文献类型：期刊文章

作　　者：许胜才[1] 蔡军[1] 程昀[1] 王海湘[1]

XU Sheng-cai;CAI Jun;CHENG Yun;WANG Hai-xiang(College of Architecture Engineering,Hezhou University,Hezhou 542899,China)

机构地区：[1]贺州学院建筑工程学院,广西贺州542899

出　　处：《控制与决策》

基　　金：贺州学院博士科研基金项目(HZUBS201610)

年　　份：2019

卷　　号：34

期　　号：2

起止页码：419-428

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为使粒子群优化算法(PSO)优化过程的多样性与收敛性得到合理解决,以提高算法优化性能,基于种群拓扑结构与粒子变异提出两种粒子群改进算法RSMPSO和RVMPSO.改进算法将具有信息定向流动的闭环拓扑结构与星型拓扑结构或四边形拓扑结构相结合,促使粒子在前期寻优过程中具有较高的多样性,保证搜索的广度,而在后期满足粒子群的整体收敛性,保证寻优的精度.同时,将布谷鸟搜索算法(CS)中的偏好随机游走变异策略引入改进算法中,增强粒子跳出局部最优的能力.对标准测试函数的仿真实验表明,所改进的PSO算法与其他6个对比算法相比不仅操作简单,优化精度高,而且在算法收敛性及稳健性方面都有着更出色的表现.

关 键 词：粒子群算法 布谷鸟搜索  拓扑结构 变异  

分 类 号：TP18]