基于惯性权重非线性动态变化的微粒群算法

计算机科学 ›› 2008, Vol. 35 ›› Issue (4): 146-148.

基于惯性权重非线性动态变化的微粒群算法

王辉钱锋

华东理工大学化学工程联合国家重点实验室,上海200237

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
国家杰出青年科学基金（60625302）、国家973计划（2002CB3122000）、国家863计划项目（20060104Z1081）、上海市科委重大基础研究（05DJ14002）、上海市自然科学基金（05ZR14038）基金.

WANG Hui, QIAN Feng （State Key Laboratory of Chemical Engineering, East China University of Science and Technology, Shanghai 200237）

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 本文提出一种惯性权重非线性动态变化的微粒群算法（NDPSO），根据微粒在群体中距群体最优位置的远近，选择不同的惯性权重非线性下降指数，每个微粒根据个体状况选择不同的惯性权重。在NDPSO算法中，距最优位置较远区域惯性权重选择较小的下降指数，这样利于微粒较快地飞向群体最优位置，提高算法的全局搜索性能；当微粒飞到距最优位置较近区域时，惯性权重采用较大的下降指数，这样微粒在此区域进行细致的搜索，提高算法的收敛速度。为了研究NDPSO算法的性能，对几种典型高维非线性函数进行了测试。测试结果表明，与其它几种典型的微

关键词: 微粒群算法惯性权重非线性

Abstract: This paper proposes a particle swarm optimizer （PSO） with nonlinear inertia weight dynamic changing （NDPSO） to improve the speed of convergence and fine tune the search in the multidimensional space. The decreasing exponent of inertia weight is selected b

Key words: Particle swarm optimizer, Inertia weight, Nonlinear

王辉钱锋. 基于惯性权重非线性动态变化的微粒群算法[J]. 计算机科学, 2008, 35(4): 146-148. https://doi.org/

WANG Hui, QIAN Feng （State Key Laboratory of Chemical Engineering, East China University of Science and Technology, Shanghai 200237）. [J]. Computer Science, 2008, 35(4): 146-148. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed