标题:基于随机维度划分与学习的粒子群优化算法
作者:张庆科;孟祥旭;张化祥;杨波;刘卫国
作者机构:[张庆科] 山东大学计算机科学与技术学院;;山东师范大学,信息科学与工程学院, 教育部数字媒体技术工程研究中心;;, 济南;;济南, 山东;;山东 250101;;250014, 中国. 更多
通讯作者:Liu, WG(weiguo.liu@sdu.edu.cn)
通讯作者地址:[Liu, W.-G] School of Computer Science and Technology, Engineering Research Center of Digital Media Technology, Ministry of Education, Shandong Univer 更多
来源:浙江大学学报. 工学版
出版年:2018
卷:52
期:2
页码:367-378+405
DOI:10.3785/j.issn.1008-973X.2018.02.020
关键词:粒子群优化算法; 随机维度划分; 中心学习; 离散学习; 高维函数优化
摘要:针对粒子群优化算法在搜索过程存在的种群多样性低和过早收敛问题,提出基于随机维度划分与学习的新型粒子群优化算法(RVPLO).该算法将每个粒子的维 度随机划分为多个不同的子段,每个子段随机分配一种学习算子(中心学习算子或离散学习算子),通过学习算子实现对各子段内的维度数值更新操作.中心学习算 子用以加强粒子的全局搜索能力,离散学习算子用以加强粒子的局部搜索能力.粒子维度划分策略实现了将高维优化问题转化为低维优化问题,降低了优化问题求解 的难度.粒子随机维度划分和算子随机分配的双重动态调节机制使得算法具备求解复杂单峰函数,多峰函数优化问题的能力.实验测试结果及显著性统计结果表明, RVPLO算法同其他8个经典改进算法相比,在单峰函数,多峰等函数优化中具有收敛速度快,求解精度高的优势.
收录类别:EI;CSCD;SCOPUS
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-85046079156&doi=10.3785%2fj.issn.1008-973X.2018.02.020&partnerID=40&md5=167b5ec483dd83e02dbeb8927792d922
TOP