您的位置: 专家智库 > >

郭祥

作品数:2 被引量:1H指数:1
供职机构:北方民族大学信息与计算科学学院信息与系统科学研究所更多>>
发文基金:国家自然科学基金陕西省自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇群算法
  • 2篇子群
  • 2篇粒子群
  • 2篇粒子群算法

机构

  • 2篇北方民族大学

作者

  • 2篇高岳林
  • 2篇郭祥
  • 2篇陈群林

传媒

  • 1篇计算机应用研...
  • 1篇兰州文理学院...

年份

  • 1篇2017
  • 1篇2015
2 条 记 录,以下是 1-2
排序方式:
基于等高替换和随机反向的粒子群算法
2017年
针对标准粒子群优化算法不易跳出局部寻优、搜索精度低等缺陷,提出了等高随机替换策略,运用简化粒子群算法进行更新,加快了粒子寻优能力;并且对适应值最差的一部分粒子,采用了最优随机反方向搜索策略,保证了算法的全局搜索能力。对七个不同类型的测试函数进行仿真实验,结果表明了改进的算法能很好地保持粒子多样性,全局搜索能力强,拥有更好的收敛速度和寻优精度。
陈群林高岳林郭祥
一种带有加速策略和变异策略的粒子群算法被引量:1
2015年
不同于对粒子群控制参数的改进,在标准粒子群的基础上提出了双种群粒子群算法,粒子种群每次进化时都按适应值排序并分组,最好的一组粒子采用适应值最接近的两点连线上的更好点替代当前粒子位置的加速策略,以此加大算法的局部搜索能力,为了平衡算法的全局和局部搜索能力,另一组最差的粒子采用随机背驰当前全局最优粒子的速度方向进行变异策略更新,以此保证种群的全局搜索能力,该算法采用一般非线性惯性权重和固定学习因子.新算法在23个三类经典测试函数的实验中都找到了最优值,与其它算法比较,结果表明该新算法在三类问题上都有更好的性能,特别是在多模函数的优化中更为显著.
陈群林高岳林郭祥
关键词:粒子群算法
共1页<1>
聚类工具0