PSO方法的收敛性及基于微分演化的参数确定策略  

Convergence property and parameters-selection strategy base on differential evolution of PSO

作　　者：潘冠宇[1] 刘大有[1] 窦全胜[2] 刘晓华[2] 

机构地区：[1]吉林大学计算机科学与技术学院,长春130012 [2]山东工商学院信息与电子工程学院,山东烟台264005

出　　处：《吉林大学学报（工学版）》2007年第4期842-845,共4页Journal of Jilin University:Engineering and Technology Edition

基　　金：国家自然科学基金重大资助项目(60496321);国家自然科学基金资助项目(60373098;60173006);山东省教育厅科技发展计划项目(J06G04)

摘　　要：对已有关于PSO收敛性的研究结果进行了必要的修正和完善,并提出了一种不依赖个人经验的参数选择策略。针对特定问题,将PSO方法的性能表示成参数的函数,从而将参数选择问题转变成函数优化问题。同时,采用微分演化方法来确定PSO的最佳参数,收到了较好的效果。It was modified and completed that the previous research result on PSO convergence property and proposed a new strategy on parameter selection which did not depend on expert experience. It transformed the parameter-selection problem into functional optimization problem by creating a function of the PSO property parameters. The result is also very promising in finding the optimal parameters of PSO by differential evolution.

关 键 词：人工智能 粒子群优化 收敛性 参数选择 微分演化 

分 类 号：TP182[自动化与计算机技术—控制理论与控制工程]