[1]贾瑞玉 黄义堂 邢猛.一种动态改变权值的简化粒子群算法[J].计算机技术与发展,2009,(02):137-139.
　JIA Rui-yu,HUANG Yi-tang,XING Meng.A Modified Simple Particle Swarm Optimization Using Dynamically Decreasing Inertia Weight[J].,2009,(02):137-139.
点击复制

一种动态改变权值的简化粒子群算法()
分享到：

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

卷:
期数:
2009年02期
页码:
137-139
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
A Modified Simple Particle Swarm Optimization Using Dynamically Decreasing Inertia Weight
文章编号:
1673-629X（2009）02-0137-03
作者:
贾瑞玉1; 2 黄义堂1; 2 邢猛1; 2
[1]安徽大学计算智能与信号处理教育部重点实验室[2]安徽大学计算机科学与技术学院
Author(s):
JIA Rui-yu1; 2;  HUANG Yi-tang1; 2;  XING Meng1; 2
[1]Ministry of Edu. Key Lab. of Intelligent Computing ＆ Signal Processing, Anhui Univ.[2]School of Computer Science and Technology of Anhui University
关键词:
粒子群算法; 简化粒子群算法; 惯性权值
Keywords:
particle swarm optimization;  simple PSO;  inertia weight
分类号:
TP301.6
文献标志码:
A
摘要:
基本粒子群优化算法（bPSO）具有容易陷入局部极值、进化后期收敛速度慢、精度低等缺陷，而舍弃了速度项的简化粒子群算法（sPSO）在保证了收敛速度和精度的同时使算法更加简练。文中提出了一种动态改变权值的简化粒子群算法。并经实验证明，该算法在搜优精度和收敛速度上具有明显的优势。
Abstract:
The basic particle swarm optimization （bPSO） has some demerits, such as relapsing into local extremum, slow convergence velocity and low convergence precision in the late evolutionary. The simple PSO discards the particle velocity and improves extraordina

相似文献/References:

[1]张爱华 江中勤 张华.基于粒子群优化算法的分形图像压缩编码[J].计算机技术与发展,2010,(02):21.
　ZHANG Ai-hua,JIANG Zhong-qin,ZHANG Hua.Fractal Image Compression Coding Based on PSO[J].,2010,(02):21.
[2]唐俊.PSO算法原理及应用[J].计算机技术与发展,2010,(02):213.
　TANG Jun.Principle and Application of PSO Algorithm[J].,2010,(02):213.
[3]张捍东 廖天红 岑豫皖.用模拟退火思想的粒子群算法实现图像分割[J].计算机技术与发展,2010,(05):83.
　ZHANG Han-dong,LIAO Tian-hong,CEN Yu-wan.Image Segmentation Through Particle Swarm Optimization Based on Simulated Annealing[J].,2010,(02):83.
[4]廖锋 高兴宝.差分演化算法在约束优化问题中的应用[J].计算机技术与发展,2010,(05):187.
　LIAO Feng,GAO Xing-bao.Application of Differential Evolution Algorithms on Constraint Optimization Problems[J].,2010,(02):187.
[5]来磊 卢文科 邓开连.基于二维Tsallis交叉熵直线型图像阈值分割方法[J].计算机技术与发展,2010,(06):105.
　LAI Lei,LU Wen-ke,DENG Kai-lian.New Image Thresholding Segmentation Methods Based on Two-Dimensional Tsallis Cross-Entropy Liner-Type[J].,2010,(02):105.
[6]邹毅 朱晓萍 王秀平.一种基于混沌优化的混合粒子群算法[J].计算机技术与发展,2009,(11):18.
　ZOU Yi,ZHU Xiao-ping,WANG Xiu-ping.A Hybrid PSO Algorithm Based on Chaos Optimization[J].,2009,(02):18.
[7]王为为 程家兴 贺晟.基于佳点集交叉的粒子群算法[J].计算机技术与发展,2009,(12):32.
　WANG Wei-wei,CHENG Jia-xing,HE Sheng.Particle Swarm Algorithm Based on Good Point Set Crossover[J].,2009,(02):32.
[8]卢珊萍 于盛林.基于粒子群算法的细胞神经网络模板参数设计[J].计算机技术与发展,2009,(04):83.
　LU Shan-ping,YU Sheng-lin.A Template Design Method for Cellular Neural Network Based on Particle Swarm Optimizer Algorithm[J].,2009,(02):83.
[9]王艳玲 李龙澍 胡哲.群体智能优化算法[J].计算机技术与发展,2008,(08):114.
　WANG Yan-ling,LI Long-shu,HU Zhe.Swarm Intelligence Optimization Algorithm[J].,2008,(02):114.
[10]邓璐娟 卢华琦 孙义坤 刁海港.改进的粒子群算法在测试数据生成中的应用[J].计算机技术与发展,2010,(07):216.
　DENG Lu-juan,LU Hua-qi,SUN Yi-kun,et al.Improved Adaptive PSO Application on Automatic Test Data Generation[J].,2010,(02):216.

备注/Memo

备注/Memo:
安徽省自然科学研究项目(kj2008B092)贾瑞玉(1965-)，女，副教授，研究方向为计算机图形学、数据挖掘、人工智能。
更新日期/Last Update: 1900-01-01