[1]郑申海,胡小兵,郑满满,等.改进粒子群和模拟退火混合算法及其应用[J].计算机技术与发展,2013,(07):26-30.
 ZHENG Shen-hai,HU Xiao-bing,ZHENG Man-man,et al.An Improved Hybrid Algorithm Based on Particle Swarm Optimization and Simulated Annealing and Its Application[J].,2013,(07):26-30.
点击复制

改进粒子群和模拟退火混合算法及其应用()
分享到:

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

卷:
期数:
2013年07期
页码:
26-30
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 Hybrid Algorithm Based on Particle Swarm Optimization and Simulated Annealing and Its Application
文章编号:
1673-629X(2013)07-0026-05
作者:
郑申海胡小兵郑满满刘瑞杰
重庆大学 数学与统计学院
Author(s):
ZHENG Shen-haiHU Xiao-bingZHENG Man-manLIU Rui-jie
关键词:
粒子群算法模拟退火算法混合进化算法Gaussian核函数区域影响
Keywords:
PSOSAhybrid optimization algorithmGaussian kernel functionarea of influence
文献标志码:
A
摘要:
基本粒子群优化算法每个粒子代表一个可行解,通过粒子间的协作来获得最优解.考虑粒子间协同作用,引入Gaussian核函数研究基于区域影响的粒子群算法(GPSO).为了充分利用粒子群算法的快速全局收敛性和模拟退火算法能够跳出局部最优陷阱的优点,得到高精度的最优解,将GPSO算法与模拟退火算法相结合,研究了一种新的混合粒子群算法.混合算法在GPSO算法处于停滞状态时,于搜索到最优位置用模拟退火算法继续寻找最优解.数值实验结果表明,新混合算法兼顾了GPSO和模拟退火算法的优点,具有收敛速度快、搜索精度高、鲁棒性好等特点.这说明文中的混合算法不失为一种有效的进化算法

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,(07):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,(07):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,(07):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,(07):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,(07):105.
[6]朱颢东 钟勇.一种改进的模拟退火算法[J].计算机技术与发展,2009,(06):32.
 ZHU Hao-dong,ZHONG Yong.A Kind of Renewed Simulated Annealing Algorithm[J].,2009,(07):32.
[7]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,(07):18.
[8]汪松泉 程家兴.遗传算法和模拟退火算法求解TSP的性能分析[J].计算机技术与发展,2009,(11):97.
 WANG Song-quan,CHENG Jia-xing.Performance Analysis on Solving Problem of TSP by Genetic Algorithm and Simulated Annealing[J].,2009,(07):97.
[9]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,(07):32.
[10]贺晟 程家兴 蔡欣宝.基于模拟退火算法的主题爬虫[J].计算机技术与发展,2009,(12):55.
 HE Sheng,CHENG Jia-xing,CAI Xin-bao.Focused Crawler Based on Simulated Anneal Algorithm[J].,2009,(07):55.
[11]胡天骐[],单剑锋[],宋晓涛[]. 基于改进PSO-LSSVM的模拟电路诊断方法[J].计算机技术与发展,2015,25(06):193.
 HU Tian-qi[],SHAN Jian-feng[],SONG Xiao-tao[]. Analog Circuit Fault Diagnosis Method Based on PSO-LSSVM[J].,2015,25(07):193.

更新日期/Last Update: 1900-01-01