汪冲
- 作品数：6 被引量：42H指数：3
- 供职机构：武汉科技大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于多策略协同作用的粒子群优化算法被引量：11
- 2016年
- 针对粒子群优化(PSO)算法容易早熟收敛、在进化后期收敛精度低的缺点,提出了一种基于多策略协同作用的粒子群优化(MSPSO)算法。首先,设定一个概率阈值为0.3,在粒子迭代过程中,如果随机生成的概率值小于阈值,则采用对当前种群中的最优个体进行反向学习并生成其反向解,以提高算法的收敛速度和收敛精度;否则,算法执行对粒子的位置进行高斯变异策略,以增强种群的多样性;其次,提出一种将柯西分布的比例参数进行线性递减的柯西变异策略,能够产生更好的解引导粒子向最优解空间运动;最后,在8个标准测试函数上进行仿真测试,MSPSO算法在Rosenbrock、Schwefel’s P2.22、Rotated Ackley、Quadric Noise、Ackley函数上收敛的平均值分别为1.68E+01、2.36E-283、8.88E-16、2.78E-05、8.88E-16,在Sphere、Griewank和Rastrigin函数上收敛达到最优解0,优于高斯扰动粒子群优化(GDPSO)算法、基于柯西变异的反向学习粒子群优化(GOPSO)算法。结果表明,所提出的算法收敛精度高,能避免粒子陷入局部最优。
- 李俊汪冲李波方国康
- 关键词：粒子群优化算法高斯变异
- 一种基于扰动的精英反向学习粒子群优化的实现方法
- 本发明涉及一种基于扰动的精英反向学习粒子群优化的实现方法，其技术方案是：第一步是初始化粒子参数；第二步是计算粒子适应值，获得个体极值和全局极值；第三步是非线性递减惯性权重，用一种非线性递减的方式而不是线性递减方式改变惯性...
- 李俊汪冲陈姚节李波胡威方国康
- 文献传递
- 一种基于多策略协同作用的粒子群优化的方法
- 本发明的目的是提出一种基于多策略协同作用的粒子群优化的方法，其技术方案是：第一步是对粒子种群的初始化，初始化NP个粒子；第二步是对NP个粒子计算适应度值；第三步是确定粒子速度和位置变化的方式；第四步是对粒子的位置执行柯西...
- 李俊汪冲陈姚节李波胡威方国康
- 文献传递
- 改进的蚁群与粒子群混合算法求解旅行商问题被引量：16
- 2016年
- 针对蚁群算法在求解旅行商问题时易陷入局部最优,且寻优速度慢的问题,提出改进的蚁群与粒子群混合算法用于求解旅行商问题。在初始阶段,改进算法采用贪婪算法初始化粒子,生成信息素分布。在迭代运行过程中,采用改进蚁群算法的信息素更新方式,增加信息素调节算子。同时,采取与全局最优粒子自适应交叉变异策略,根据粒子适应度值的变化采取对粒子位置的更新。通过对TSPLIB标准库中5个实例进行仿真测试,结果表明,改进的算法能有效避免陷入局部最优,具有较快的收敛速度和较高收敛精度。为求解旅行商问题提供一种有效的方法。
- 汪冲李俊李波张粤
- 关键词：蚁群算法旅行商问题信息素全局最优
- 基于扰动的精英反向学习粒子群优化算法被引量：15
- 2016年
- 针对粒子群算法容易陷入局部极值、进化后期收敛精度低的缺点,提出了一种基于扰动的精英反向学习粒子群算法。算法采用在粒子迭代的过程中,以一定的概率对当前的最优个体进行动态一般反向学习生成其反向解,引导粒子向最优解空间靠近;用一种非线性递减的方式改变惯性权重,以提高算法的收敛速度和收敛精度;采用扰动的方式增强算法的局部探索能力,帮助粒子跳出局部最优解。在14个标准函数上进行仿真测试,结果表明改进算法具有更高的收敛速度和收敛精度,能有效地避免陷入局部最优,适合求解函数优化的问题。
- 李俊汪冲李波方国康
- 关键词：粒子群优化算法惯性权重局部最优解
- 多角度改进粒子群算法及在NP问题中的应用
- 随着科技的发展，传统的优化算法求解最优问题存在局限性，智能优化算法给优化问题的求解提供了新思路。粒子群算法是模拟生物群体行为的一种随机智能算法，与传统优化算法相比，具有流程简单、控制参数少、易于实现。但粒子群算法理论体系...
- 汪冲
- 关键词：粒子群算法NP问题
- 文献传递
