为了克服常规粒子群优化(SPSO)算法在多峰函数寻优应用中容易出现早熟的缺点,提出了一种基于反馈策略的自适应粒子群优化(APSO)算法.考虑到进化过程中群体多样性损失过快,采用种群分布熵和平均粒距两个种群多样性参数,来均衡算法的勘探和开发能力.基于惯性权值随种群多样性变化而变化的动态分析,建立了惯性权值与平均粒距之间的线性函数关系,并将该函数关系融入到APSO算法中.测试结果表明,与常规粒子群优化算法相比,该算法在多峰函数寻优时,成功率和精确度都有显著提高,且全局收敛速度快;在求解异或(XOR)分类问题时成功概率提高,收敛速度加快,APSO算法对神经网络的训练更加有效.
国家自然科学基金资助项目(20276063).
俞欢军 张丽平 陈德钊 胡上序. 基于反馈策略的自适应粒子群优化算法[J]. J4, 2005, 39(9): 1286-1291.
SHU Huan-Jun, ZHANG Li-Beng, CHEN De-Zhao, HU Shang-Xu. . J4, 2005, 39(9): 1286-1291.
http://www.zjujournals.com/xueshu/eng/CN/ 或 http://www.zjujournals.com/xueshu/eng/CN/Y2005/V39/I9/1286
Cited