[1]陆克中 张秋华 孙兰娟.一种改进的粒子群优化算法及其仿真[J].计算机技术与发展,2007,(11):88-91.
　LU Ke-zhong,ZHANG Qiu-hua,SUN Lan-juan.An Improved Particle Swarm Optimization and Simulation[J].,2007,(11):88-91.
点击复制

一种改进的粒子群优化算法及其仿真()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2007年11期
页码:
88-91
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
An Improved Particle Swarm Optimization and Simulation
文章编号:
1673-629X（2007）11-0088-04
作者:
陆克中 张秋华 孙兰娟
池州学院计算机科学系
Author(s):
LU Ke-zhong;  ZHANG Qiu-hua;  SUN Lan-juan
Department of Computer Science, Chizhou College
关键词:
粒子群优化; 改进的粒子群优化; 群体智能; 进化计算
Keywords:
particle swarm optimization;  improved particle swarm optimization;  swarm intelligence;  evolutionary computation
分类号:
TP18
文献标志码:
A
摘要:
粒子群优化算法（particle swarm optimization，PSO）是一种新兴的优化技术，其思想来源于人工生命和演化计算理论。PSO算法具有简单、易实现、可调参数少等特点，在很多领域得到了广泛应用。但PSO算法存在早熟收敛问题。为了克服粒子群优化算法的早熟收敛问题，提出了一种旨在保持种群多样性的改进PSO（IPSO）算法，以提高PSO算法摆脱局部极小点的能力。通过对3种Benchmark函数的测试，结果表明IPSO算法不仅具有较快的收敛速度、有效的全局收敛性能，而且还具有良好的稳定性
Abstract:
Particle swarm optimization （PSO） algorithm is a new optimization technique originating from artificial life and evolutionary computation. PSO is easily understood, realized. PSO has few parameters need to be tuned, and has been applied widely. To overcome the problem of premature convergence on PSO, proposes an improved particle swarm optimization （IPSO）, which is guaranteed to keep the diversity of the particle swarm and to improve performance of basic PSO algorithm. Three benchmark functions are selected as the test functions. The experimental results show that the IPSO can not only significantly speed up the convergence, effectively solve the premature eonvergenee problem, but also have good stability

相似文献/References:

[1]崔海青 刘希玉.基于粒子群算法的RBF网络参数优化算法[J].计算机技术与发展,2009,(12):117.
　CUI Hai-qing,LIU Xi-yu.Parameter Optimization Algorithm of RBF Neural Network Based on PSO Algorithm[J].,2009,(11):117.
[2]陆克中 吴璞 王汝传.基于粒子群优化算法的非线性系统模型参数估计[J].计算机技术与发展,2008,(06):57.
　LU Ke-zhong,WU Pu,WANG Ru-chuan.A Method of Parameter Estimation in a Nonlinear System Model Based on Particle Swarm Optimization[J].,2008,(11):57.
[3]赵传信 张雪东 季一木[].改进的粒子群算法在VRP中的应用[J].计算机技术与发展,2008,(06):240.
　ZHAO Chuan-xin,ZHANG Xue-dong,JI Yi-mu.Application of Improved Particle Swarm Optimization in VRP[J].,2008,(11):240.
[4]陆克中 方康年.PSO算法在非线性回归模型参数估计中的应用[J].计算机技术与发展,2008,(12):134.
　LU Ke-zhong,FANG Kang-nian.Application of PSO Algorithm in Parameter Estimation of Nonlinear Regression Models[J].,2008,(11):134.
[5]苏守宝 汪继文 方杰.粒子群优化技术的研究与应用进展[J].计算机技术与发展,2007,(05):249.
　SU Shou-bao,WANG Ji-wen,et al.Overview Applications and Research on Particle Swarm Optimization Algorithm[J].,2007,(11):249.
[6]方峻 唐普英 任诚.一种基于加权有向拓扑的改进粒子群算法[J].计算机技术与发展,2006,(08):62.
　FANG Jun,TANG Pu-ying,REN Cheng.A Modified Particle Swarm Optimization Based on Directional Weighting Topology[J].,2006,(11):62.
[7]张璐 张国良 张维平 敬斌.基于粒子群三次样条优化的局部路径规划方法[J].计算机技术与发展,2012,(11):145.
　ZHANG Lu,ZHANG Guo-liang,ZHANG Wei-ping,et al.Local Path Planning Algorithm Based on Particle Swarm Optimization of Cubic Splines[J].,2012,(11):145.
[8]张奇 黄卫东.构建基于PSO—BP网络的电信客户信用度评估模型[J].计算机技术与发展,2012,(12):146.
　ZHANG Qi,HUANG Wei-dong.Construction of Credit Evaluation Model for Telecommunication Clients Based on PSO-BP Neural Network[J].,2012,(11):146.
[9]宋发兴,高留洋,刘东升,等.基于粒子群优化的BP神经网络图像复原方法[J].计算机技术与发展,2014,24(06):149.
　SONG Fa-xing,GAO Liu-yang,LIU Dong-sheng,et al.A Method of Image Restoration Based on Particle Swarm Optimization for BP Neural Network[J].,2014,24(11):149.
[10]李荣龙,罗杰. 一种改进的粒子群优化算法[J].计算机技术与发展,2015,25(07):57.
　LI Rong-long,LUO Jie. An Improved Particle Swarm Optimization Algorithm[J].,2015,25(11):57.

备注/Memo

备注/Memo:
安徽省高校青年教师科研资助项目（2006jq1244）陆克中（1976-），男，安徽枞阳人，讲师，硕士，主要研究方向为智能计算、生物信息学等
更新日期/Last Update: 1900-01-01