文献类型：期刊文章

作　　者：徐霜[1] 万强[2] 余琍[2]

XU Shuang;WAN Qiang;YU Li(The Department of Hi-tech Industry,Wuhan University,Wuhan 430072,China;School of Computer Science,Wuhan University,Wuhan 430072,China)

机构地区：[1]武汉大学高新技术产业发展部,湖北武汉430072 [2]武汉大学计算机学院,湖北武汉430072

出　　处：《郑州大学学报（工学版）》

基　　金：国家自然科学基金资助项目(161773296)

年　　份：2019

卷　　号：0

期　　号：2

起止页码：29-34

语　　种：中文

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

摘　　要：论文针对粒子群算法容易陷入局部最优的问题,提出基于学习理论的粒子群算法(L-PSO).该算法通过为粒子群全局最优粒子设定最大周期限制,使达到最大周期的全局最优粒子可以被取代,同时利用聚类的思想对粒子群进行分组,通过随机选择两个组中心,以一定概率进行交叉变异,生成竞争粒子并替换达到最大周期的全局最优粒子,能够较好地避免算法陷入局部最优,提高算法的收敛速度.在基准测试函数集上的测试结果表明该算法有效.

关 键 词：粒子群算法 最优化  有效性 测试函数

分 类 号：TP18]