Tag Archives: 粒子群算法

引入分合策略的动态分组粒子群优化算法

基于社会系统中普遍存在“分久必合,合久必分”的现象,有学者提出了分合策略的动态分组粒子群优化算法。分策略提高了演化群体的多样性,克服了粒子群优化算法局部收敛的缺陷。合策略吸取了不同群体的优良特性,提高了智能算法的全局搜索能力。
阅读全文 >

2种增强粒子群优化算法多样性的有效方法

1、引入粒子变异的反向飞行改进粒子群算法

基于粒子变异的改进粒子群算法(MPSO)针对基本粒子群优化算法(PSO)表现出强烈的趋同性的特点,通过改变部分粒子的运动方向来维持和增加种群的多样性,提高粒子群算法对解空间的搜索能力。
阅读全文 >

粒子群优化算法中的评价策略缺陷及对策

粒子群优化算法在每个粒子更新的过程中,虽然粒子找到了适应度更好的位置,但是其中一部分维度仍在退化,即不是所有维度都在进化。这种现象被称为“两进一退”。“两进一退”中的“退化”不是为了保持种群的多样性而被允许的退化,而是一种不期望的现象:其使得一些维度被误认为是粒子的历史最优维度,而影响历史最优位置的质量并误导群体的进一步进化。
阅读全文 >

引入代间差分的粒子群优化算法

标准粒子群优化算法进化过程中引入新的代间差分粒子更新算法,并按照模拟退火方法进行更新后粒子的选择,使得PSO算法更为有效。
阅读全文 >

云自适应粒子群优化算法

设粒子群的规模为nPop,第iGen次迭代中粒子Xi的适应度为Fi;粒子群的平均适应度为F_avg=average(Fi);将适应度优于F_avg的适应值求平均得到F_avg_1,适应度次于F_avg的适应值求平均得到F_avg_2;最优粒子的适应度为F_best。传统的自适应粒子群优化算法,惯性权重根据一定的迭代公式随着算法迭代次数的增加和适应度的减小而线性减小。这里描述的云自适应粒子群优化算法将粒子群体分成3个子群,分别采用不同惯性权重w生成策略,
阅读全文 >

标准粒子群优化算法源代码2006版

C语言实现的标准粒子群优化算法源代码下载

标准粒子群优化算法经常是改进算法的参考标准,这里给出采用C语言的一个标准PSO算法的实现版本,除了可以作为参考也可以作为改进的基础。
里面有不少常用的测试函数
0 Parabola (Sphere)
1 De Jong’ f4
2 Griewank
3 Rosenbrock (Banana)

阅读全文 >

基于维度划分的协同PSO算法

基于维度划分的协同PSO算法(Cooperative Particle Swarm Optimization,简称CPSO),算法采用沿不同维度分量划分子群体的原则,即用nGroup个相互独立的微粒群分别在D维的目标搜索空间中的不同维度方向上进行搜索。
阅读全文 >