一种动态惯性权重的自适应粒子群优化算法Adaptive Particle Swarm Optimization Algorithm with Dynamically Changing Inertia Weight
张小萍,高岳林
摘要(Abstract)：
在标准粒子群算法中,权重过大导致最优点的搜寻能力降低,不能适应复杂的非线性优化搜索过程,动态惯性权重的自适应粒子群算法(APSO)解决了这一问题。在该算法中,粒子群中所有粒子适应度的整体变化可以跟踪粒子群的状态,在每次迭代时,算法可根据粒子的适应度变化动态改变惯性权重,从而使算法具有动态自适应性。通过对几种典型函数的测试结果表明,APSO算法的收敛速度和收敛精度明显优于LDW算法,从而提高了算法的性能。
关键词(KeyWords)： 粒子群优化;惯性权重;动态;自适应
基金项目(Foundation): 国家社会科学基金项目资助(07XJY038);; 国家教育部社科规划项目资助(06JA630056)
作者(Author): 张小萍,高岳林
参考文献(References)：
- [1]Eberhart.R.C,Kennedy.J.A new optimizer using particle swarm theory[C].The 6th Int'l Symposium on Micro Machine and HumanScience,Nagoya,Japan,1995.
- [2]Kennedy J,Eberhart R C.Particle Swarm Optimization[C].Proc IEEE Int'1 Conf Neural Networks.Piscataway,NJ:IEEE ServiceCenter,1995:1 942-1 948.
- [3]Shi.Y,Eberhart.R.C.A modified particle swarm optimizer[C].Proc the IEEE Int'l Conf Evolutionary Computation.NJ:IEEEPress,1998:69-73.
- [4]Shi.Y,Eberhart R C.Parameter selection in particle swarm optimization[J].Lecture Notes in Computer Science,1998(1447):591-600.
- [5]王翠茹,冯海讯,张江维,袁和金.基于改进粒子群优化算法求解旅行商问题[J].微计算机信息,2006,22(8):1.
- [6]谷晓琳,黄明,梁旭.一种新伪并行遗传算法在车间调度中的应用研究[J].大连铁道学院学报,2006,26(4):39-42.
- [7]Duan Yuhong,Gao Yuelin and Li Jimin.A new adaptive particle swarm optimization algorithm with dynamically changing inertiaweight,Intelligent Information Management Systems and Technologies,2006,2(2):245-255.