<html dir="ltr"><head><title></title></head><body>针对当前各种粒子群优化算法解决问题时存在的局限性, 提出一种基于混合策略自适应学习的粒子群优化算法(HLPSO). 该算法从收敛速度、跳出局部极值、探索、开发几个不同角度融合了4 种具有不同优势的变异策略,当面对不同形态的复杂问题时通过自适应学习机制选择出合适的策略来完成全局寻优. 通过对7 个标准测试函数的仿真实验并与其他算法相比较, 所得结果表明了所提出的算法具有较快的收敛速度、较高的精度以及很强的跳出局部极值的能力.</body></html>
2021-12-20 10:26:54
302KB
1
1、粒子群算法发展历史简介
由Kennedy和Eberhart于1995年提出．
群体迭代，粒子在解空间追随最优的粒子进行搜索.
简单易行
粒子群算法: 收敛速度快
设置参数少
由Kennedy和Eberhart于1995年提出．
群体迭代，粒子在解空间追随最优的粒子进行搜索.
简单易行
粒子群算法: 收敛速度快
设置参数少
2021-12-19 17:00:42
895KB
1
【优化求解】基于非线性动态自适应惯性权重粒子群算法(IPSO)Matlab源码.md
2021-12-18 10:53:19
12KB
1
针对智能单粒子优化算法(ISPO)容易出现算法早熟、收敛精度低的现象, 提出一种基于高斯变异的智能单粒子算法(GISPO)。当粒子陷入局部最优值, 每一维速度会降到一定的阈值, 整个粒子进化处于缓慢阶段; 此时给予搜索到的历史最优极值一个自适应的高斯变异扰动, 会大大提高粒子的逃逸能力, 帮助粒子快速地跳出局部极值点, 不断地向全局最优解靠近。通过几个标准测试函数进行实验, 结果表明该算法的收敛速度、搜索精度和稳定性均优于ISPO算法。
2021-12-17 18:18:26
1.07MB
1
粒子群的matlab代码SHPSO_code
代理辅助分层粒子群优化的代码
代理辅助层次粒子群算法（SHPSO）的实现
H.Yu，Y.Tan，Z.Zeng，C.Sun，Y.Jin，代理辅助层次粒子群优化，信息科学，454-455（2018）59-72。
每当将本文和此代码用于为用户自己的研究生成结果时，都应引用该文件和此代码。
该matlab代码由于海波编写：太原科技大学机械工程学院
请参考所有问题，评论，错误报告等以
2021-12-17 15:52:35
9KB
1