典型文献
融合吸引排斥和双向学习的改进粒子群算法
文献摘要：
针对粒子群算法在计算时存在收敛速度慢、易陷入局部收敛等缺陷,提出了一种融合吸引排斥和双向学习的改进粒子群算法来提高算法的寻优能力.双向学习策略扩大了粒子的搜索范围、丰富了种群多样性;在吸引-排斥策略中,粒子能够分别被全局最优粒子和全局最差粒子所引导进而朝着更优的方向进化,提高了算法的局部寻优性能和收敛能力.同时,在双向学习策略中,为了克服单一性的学习因子和惯性权重在优化复杂函数时无法很好地调节寻优进程的问题,提出了双重自适应策略,更好地平衡群体中粒子的搜索行为.最后利用标准测试函数对该算法进行仿真验证,并与其他两种改进的算法对比.实验结果表明,在相同的实验条件下,改进后的粒子群算法在寻优能力和收敛速度方面具有明显优势.
文献关键词：
粒子群优化算法;双向学习;吸引-排斥;自适应
中图分类号：
作者姓名：
汪雅文;钱谦;冯勇;伏云发
作者机构：
昆明理工大学 信息工程与自动化学院,云南省计算机技术应用重点实验室,昆明 650500
文献出处：
引用格式：
[1]汪雅文;钱谦;冯勇;伏云发-.融合吸引排斥和双向学习的改进粒子群算法)[J].计算机工程与应用,2022(20):79-86
A类：
吸引排斥和双向学习,最差粒子,双重自适应策略
B类：
改进粒子群算法,收敛速度,速度慢,局部收敛,寻优能力,学习策略,搜索范围,种群多样性,全局最优,最优粒子,导进,寻优性能,收敛能力,单一性,学习因子,惯性权重,地平,搜索行为,利用标准,标准测试函数,仿真验证,算法对比,实验条件,粒子群优化算法
AB值：
0.263249
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
