带有正负反馈性质的粒子群优化算法

›› 2015, Vol. 28 ›› Issue (2): 35-.

带有正负反馈性质的粒子群优化算法

黎红玲,罗林,刘好斌

(内江师范学院数学与信息科学学院,四川内江 641112)

出版日期:2015-02-15 发布日期:2015-02-16
作者简介:黎红玲(1994—),女,本科。研究方向:智能计算。刘好斌(1983—),男,硕士,讲师。研究方向:智能计算。E-mail:lhb1373@163.com
基金资助:
教育部数学与应用数学专业综合改革基金资助项目(ZG0464);四川高校数值仿真与数学实验教学示范中心基金资助项目(01247);内江师范学院青年科研基金资助项目(2011NJZ-3)

Particle Swarm Optimization Algorithm with Positive and Negative Feedback Properties

LI Hongling,LUO Lin,LIU Haobin

(School of Mathematics and Information Science,Neijiang Normal College,Neijiang 641112,China)

Online:2015-02-15 Published:2015-02-16

摘要/Abstract

摘要：

针对粒子群优化算法难以适应复杂的非线性优化,为此提出一种借助正负反馈原理来调整惯性权重和通过随机数对位置更新公式进行调整的改进算法。在仿真实验过程中,通过实验确定了改进算法中的反馈参数与更新公式;并对4个经典测试函数进行仿真实验,结果显示改进算法求解精度高、解的稳定性优良,尤其在多峰值函数中表现优越。

关键词: 粒子群优化, 惯性权重, 多峰函数, 正负反馈

Abstract:

In view of the inability of the particle swarm optimization algorithm to adapt to the complex nonlinear optimization,an improved algorithm is put forward based on the principles of positive and negative feedback to adjust the inertia weight and updating formula of position by random number to adjust.The feedback parameters and updating formula for the improved algorithm are determined by experiment.Simulations of the 4 Classic functions show that the improved algorithm has high accuracy and good stability of solutions,especially in the multi pear function.

Key words: particle swarm optimization;inertia weight;multi peak function;positive and negative feedback

中图分类号:

TP301.6

黎红玲,罗林,刘好斌. 带有正负反馈性质的粒子群优化算法[J]. , 2015, 28(2): 35-.

LI Hongling,LUO Lin,LIU Haobin. Particle Swarm Optimization Algorithm with Positive and Negative Feedback Properties[J]. , 2015, 28(2): 35-.

参考文献

［1］Kennedy J,Eberhart R.Particle swarm optimization［C］.Perth Australia USA:Proceedings of the IEEE International Conference on Netural Network,IEEE Press,1995.

［2］吴正可,杨青真,施永强,等.带粒子释放和速度限制的粒子群算法［J］.计算机应用研究,2013,30(3):682-683.

［3］纪雪玲,李明,李玮.一种克服局部最优的收缩因子PSO算法［J］.计算机工程,2011,10(20):213-215.

［4］Shi Y,Eberhart R C.A modified particle swarm optimizer［C］.Piscataway:IEEE World Congress on Computational Intelligence:The 1998 IEEE International Conference on Evolutionary Conference on Evolutionary Computation Proceedings,IEEE,1998:69-73.

［5］董平平,高东慧,田雨波,等.一种改进的自适应惯性权重粒子群优化算法［J］.计算机仿真,2012,29(12):283-286.

［6］胡建秀,曾建潮.微粒群算法中惯性权重的调整策略［J］.计算机工程,2007,3(11):193-195.

［7］郜振华,梅莉,祝远鉴.复合策略惯性权重的粒子群优化算法［J］.计算机应用,2012,32(8):2216-2218.

［8］赵远东,方正华.带有权重函数学习因子的粒子群算法［J］.计算机应用,2013,33(8):2265-2268.

［9］杜荣华.一种促进PSO全局收敛的参数调整策略［J］.系统工程与电子技术,2009,31(6):1454-1457.

［10］黄太安,生佳根,徐红洋,等.一种改进的简化粒子群算法［J］.计算机仿真,2013,30(2):327-330.

［11］姜长元,赵曙光,沈士根,等.惯性权重正弦调整的粒子群算法［J］.计算机工程与应用,2012,48(8):40-42.

［12］马莉.Matlab数学实验与建模［M］.北京:清华大学出版社,2010.

［13］邵洪涛,秦亮曦.带变异算子的非线性惯性权重PSO算法［J］.计算机技术与发展,2012,22(8):30-38.

[1]	朱成名,魏云冰,蒋成成,朱健安. 基于PSO-BP神经网络的风电功率备用容量估计模型[J]. 电子科技, 2021, 34(12): 36-41.
[2]	杜美君,张伟,谢亚莲. 基于粒子群算法的PID控制器参数优化[J]. 电子科技, 2019, 32(6): 7-11.
[3]	梁樱馨，田浩杉. 基于细菌觅食与粒子群的改进混合算法[J]. , 2017, 30(4): 79-.
[4]	杨勇明. 基于改进粒子群算法的并联机械手运动参数识别[J]. , 2016, 29(9): 26-.
[5]	徐晓冬，戴曙光. 基于改进WFPSO算法的无刷直流电机模型分析[J]. , 2016, 29(9): 37-.
[6]	黎红玲,罗林,蒲冬梅,刘好斌. 基于柯西分布的粒子群优化算法改进[J]. , 2016, 29(1): 33-.
[7]	那彦,王赟鹏. 多尺度变换和粒子群优化的图像融合方法[J]. , 2015, 28(7): 137-.
[8]	邹孔雨,佟国香. PM2.5测量系统中改进神经网络控制算法优化补偿[J]. , 2015, 27(11): 25-.
[9]	邹孔雨,佟国香. PM2.5测量系统中改进神经网络控制算法优化补偿[J]. , 2015, 28(11): 25-.
[10]	孙会明,陈薇. 基于粒子群优化的光伏MPPT算法[J]. , 2014, 27(6): 187-.