一种改进的云粒子群算法及其应用研究  

Application Research of Improved Cloud Particle Swarm Optimization Algorithm

作　　者：张佩炯[1] 苏宏升[1] 

机构地区：[1]兰州交通大学自动化与电气工程学院,兰州730070

出　　处：《计算机科学》2012年第S3期249-251,255,共4页Computer Science

基　　金：甘肃省普通高等学校研究生导师项目(1004-06)资助

摘　　要：针对基于云数字特征(期望值、熵值、超熵值)编码的云粒子群算法应用中优化效率低和局部寻优能力较差的问题,提出了两点改进措施:在解空间变换的基础上将局部搜索与全局搜索相结合;依据正态云算子实现粒子的进化学习过程和变异操作。将改进算法应用于多变量函数极值优化问题。仿真结果表明,该改进算法寻优代数小、收敛速度快、效率高,并且具有较好的种群多样性,验证了改进措施的有效性。针对基于云数字特征(期望值、熵值、超熵值)编码的云粒子群算法应用中优化效率低和局部寻优能力较差的问题,提出了两点改进措施:在解空间变换的基础上将局部搜索与全局搜索相结合;依据正态云算子实现粒子的进化学习过程和变异操作。将改进算法应用于多变量函数极值优化问题。仿真结果表明,该改进算法寻优代数小、收敛速度快、效率高,并且具有较好的种群多样性,验证了改进措施的有效性。

关 键 词：云模型 优化算法 云粒子群算法 函数优化 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]