PSO和AFSA混合优化算法

相关主题

pso优化算法

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

中，一个子群体利用ＰＯ算法进化，Ｓ另一个子群体利用ＡＳＦＡ进化，个算法共享整个种群极值信息。２通过混合算法对５个标准函数进行实验，并与标准ＰＯ算法进行比较，结果表明混合算法具有更好的优化性能。Ｓ关健诃：粒子群优化算法；人工鱼群算法；ＰＯＡＳＳ－ＦＡ混合算法；群体智能
第３６卷第５期
ＶＬ６ｏ３
・
计
算
机
工
程
２１年３月００
Ｍａｃ１ｒｈ２００
Ｎｏｓ．
ＣｏｐｅｍｕｔｒＥｎｇｎｅｒｎｇｉｅｉ
人工智能及识别技术・
文编号１ｍ３８０）＿１＿３文标码Ａ章：ｏ＿４（１０＿７＿０２２０５０岳０献识；
ｃｍｐａｉＰＯ— ｏｒｎｇＳＡＦＳｈｂｉｌｏｉｍｔｓａｄｒＯａｇｒｔｍｖｌｉｇｏｕｉｎｏｉｖｓａｄｒｆｎｔｏ，ｒｓｌｓｈｏＡｙｒｄａｇｒｔｈｗｉｈｔｎａｄＰＳｌｏｉｈｉｅｏｖｎｓｌｔｏｔｆｅｔｎａｄｕｃｉｎｓｅｕｔｓｗｔａｎｈｔＰＳＡＦＳｈｒｄａｇｒｈｏｔｅｆｒｓＰＳａｇｒｔｍ．Ｏ— ＡｙｂｉｌｏｔｍｕｐｒｏｍＯｌｏｉｈｉ
中分号ｌＰＳ圈类ｌＴ
ＰＯ和ＡＦＡ混合优化算法ＳＳ
王联国Ｉ，施秋红，，洪毅
（．甘肃农业大学信息科学技术学院，兰州７０７；２１３００．兰州理工大学电气工程与信息工程学院，兰州７０３）３００
摘
要：结合粒子群优化（Ｓ）ＰＯ算法和人工鱼群算法（ＦＡ的优势，出一种ＰＯＡＳＡＳ）提Ｓ－ＦＡ混合算法。将种群分为２个子群体，每次迭代在
２基本ＰＯ和改进的ＡＳＳＦＡ
２１基本ＰＯ．Ｓ
设一个包含Ｍ个粒子的粒子群在Ｄ维空间飞行，粒子群
可用如下参数来表示：ｉＸＩｆ …，ｉ）Ｘ（ｉ，＿ＸＤ为粒子ｉＤ维空间＝，２Ｘ，，在
２ＣｌｇｆｌｔｃｌｎｆｒｔｎＥｇｎｅｉｇＬｎｈｕＵｎｖｒｉｆｅｈｏｏｙＬｎｈｕ７０３）．ｏｌｅｏＥｅｒａａｄＩｏｍａｉｎｉｅｒ，ａｚｏｉｅｓｙｏＴｃｎｌ，ａｚｏ３００ｅｃｉｎｏｎ【ｇ
ＨｙｉｂｒｄＯｐｔｍｉａｉｎＡｌｏｉｈｍｆＰＳＯｎｄＡＦＳｉｚｔｏｇｒｔｏａＡ
ＷＡｉｎｇｏ，ＳｕｈｎＨＯｉＮＧＬａ．ｕ，ＨＩ一Ｑｉ．ｏｇ，ＮＧＹ
（．ｃｏｌｆｎｏｍａｉｎＳｉｎｅａｄＴｃｎｌｇ，ａｓＡｇｉｌｒｌｉｅｓｙＬｎｈｕ７０７；１ＳｈｏｏＩｆｒｔｃｅｃｎｅｈｏｏｙＧｎｕｒｕｔａｖｒｉ，ａｚｏ３００ｏｃｕＵｎｔ
ｉｔｌｇｎｃｎｅｌｅｅｉ
１概述
粒子群优化（ａｉｅＳｒｐｉｚｔｎＳ）ＰｎｃｗａｍＯｔａｉ，ＰＯ算法是ｌｍｉｏＫｅｎｄ和Ｅｅｈｎ于１９年提出的基于群体智能方法的演ｎｅｙｂｒａ９５化计算技术【，其思想来源于对鸟群等生物种群觅食行为的ＪＪ研究和对一个简化社会模型的仿真。粒子群优化算法简单、容易实现，同时又有深刻的智能背景，因此，在短短十几年间，获得了很快的发展，出现大量的研究成果，并在函数优
ｅｏｖｓｕｉｇＰＯｌｏｉｍ，ｈｅｏｈｒｓｂｇｏｐｅｏｖｓｕｓｇＡＦＳａｄｔｌｏｉｍｓｓａｅｔｅｉｆｒａｉｎｏｆｇｏｐｘｒｍｕ．ＴｒｕｈｖｌｅｓｎＳａｇｒｔｈｔｔｅｕ－ｒｕｖｌｅｉｎＡ，ｎｗｏａｇｒｔｈｒｈｎｏｍｔｏｒｕｓｅｔｅｍｈｈｏｇ
［ｓａｔｈｓｐｐｒｐｏｏｅｙｒｌｏｉｍｆＰｒｃｅＳｒＯｐｉｚｔｎＰＯ）ａｄＡｒｆｉｌＦｓｗａｍｇｒｈＡＦＡｙＡｂｔｃ］Ｔｉａｅｒｐｓｓａｈｂｉａｒｈｏａｔｌｗａｍｔａｉ（ＳｒｄｇｔｉｍｉｏｎｔｉａｉＳｒＡｌｏｉｍ（Ｓ）ｂｉｃｈｔ
ｃｍｂｎｎｄａｔｇｓｏＳａｇｒｔｍｎｏｉｉｇｔａｖｎａｅｆＰＯｌｏｉｈｅｈａｄＡＦＳＨｙｒｌｏｉｍｉｉｅｈｗａｍｔｗｏｓｂｇｏｐ．ｎｅｃｔｒｔｏ，ｎｕ —Байду номын сангаас ｕＡ．ｂｉａｇｒｔｄｈｄｖｄｓｔｅｓｒｉｏｔｕ — ｒｕｓＩａｈｉａｉｎｏｅｓｂｇｏｐｎｅ
［ｙｗｏｄｌＰｒｃｅＳｒｔｚｔｎＰＯ）ａｇｒｈＫｅｒｓａｔｌｗａＯｐｉａｉ（Ｓｉｍｍｉｏｌｏｉｍ；ＡｒｆｉｌｉｗａｇｒｈＡＦＡ）ＳＡＦＡｙｒｌｏｔｍ；ｗａｍｔｔｃａＦｓＳｒＡｌｏｉｍ（Ｓ；ＰＯ－Ｓｈｂｄａｒｈｓｒｉｈｉｍｔｉｇｉ