集成学习在粒子群优化算法改进中的应用  

Ensemble learning application in improvement of particle swarm optimization algorithm

作　　者：施彦[1] 

机构地区：[1]北京工商大学信息工程学院,北京100037

出　　处：《计算机应用》2009年第3期868-870,879,共4页journal of Computer Applications

基　　金：北京市教委科技发展计划项目(KM200710011009)

摘　　要：集成学习通过结合多个学习者可以获得更好的结果。从三个方面,即从粒子级和维度级上进行集成,全过程或阶段性使用集成以及在单种群或多子种群中应用集成,研究了集成学习用于改进粒子群优化(PSO)算法的方式。通过三个典型函数优化问题的实验结果表明,与标准PSO和一些改进方法相比,集成学习可以改进PSO算法性能。Ensemble learning is a methodology that combines multiple individual learners,and can get better results.In this paper,ensemble learning was applied to improve the performance of Particle Swarm Optimization(PSO) algorithm in three aspects: on particle level or dimension level;in the whole iteration process or periodical iteration process;on single population or multiple sub-populations.The experimental results of three typical function optimization problems show that PSO algorithm based on ensemble learning...

关 键 词：粒子群优化算法 集成学习 智能计算 

分 类 号：TP182[自动化与计算机技术—控制理论与控制工程]