發(fā)布時(shí)間：2018-06-13 19:40

  本文選題：粒子群算法 + 萊維飛行　； 參考：《系統(tǒng)仿真學(xué)報(bào)》2017年08期

【摘要】：針對(duì)基本粒子群算法容易發(fā)生早熟收斂,陷入局部極值,進(jìn)化后期收斂速度慢以及精度低等缺點(diǎn),提出了基于萊維飛行的改進(jìn)粒子群算法。在粒子位置更新公式中,消除速度項(xiàng)對(duì)收斂速度的影響,利用萊維飛行改變粒子位置移動(dòng)方向,防止粒子陷入局部最優(yōu)值,通過貪婪的更新評(píng)價(jià)策略,選擇最優(yōu)解,從而得到全局最優(yōu)。實(shí)驗(yàn)結(jié)果表明,與基本粒子群算法、布谷鳥搜索算法以及蜂群算法相比,所提出的基于萊維飛行的改進(jìn)粒子群算法能夠有效地提高解的精度并加快收斂速度,尋優(yōu)效果更優(yōu)。
[Abstract]:An improved particle swarm optimization (PSO) algorithm based on Levy flight is proposed to overcome the disadvantages of premature convergence, local extremum, slow convergence and low precision in the late evolution of the basic particle swarm optimization (PSO) algorithm. In the formula of particle position updating, the influence of velocity term on convergence velocity is eliminated, and the direction of particle position movement is changed by Levy flight to prevent particle from falling into local optimal value, and the optimal solution is chosen by greedy update evaluation strategy. Thus the global optimum is obtained. The experimental results show that compared with the basic particle swarm optimization algorithm, the cuckoo search algorithm and the bee swarm algorithm, the improved particle swarm optimization algorithm based on Levy flight can effectively improve the accuracy of the solution, speed up the convergence speed, and the optimization effect is better.
【作者單位】： 南京工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：江蘇省高校自然科學(xué)基金(12KJB510007)
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 車林仙;;基于粒子群算法的混沌系統(tǒng)快速控制[J];瀘州職業(yè)技術(shù)學(xué)院學(xué)報(bào);2006年03期

2 郭明山;劉秉瀚;;一種改進(jìn)的混沌粒子群算法[J];福建電腦;2008年02期

3 張楠;邢志棟;董建民;王辛;;一種基于粒子群算法和育種算法的混合算法[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

4 張大興;賈建援;張愛梅;郭永獻(xiàn);;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報(bào);2009年09期

5 張?zhí)├?劉春生;;基于改進(jìn)粒子群算法的控制分配研究與應(yīng)用[J];伺服控制;2012年06期

6 黃珍;潘穎;曹曉麗;;粒子群算法的基本理論及其改進(jìn)研究[J];硅谷;2014年05期

7 焦國輝;;一種改進(jìn)的粒子群算法穩(wěn)定性證明及其應(yīng)用[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2014年14期

8 王晟;潘郁;;個(gè)體激勵(lì)粒子群算法及其社會(huì)學(xué)背景分析[J];計(jì)算機(jī)工程;2008年21期

9 彭志平;張慧;;一種改進(jìn)的粒子群算法在協(xié)商優(yōu)化中的應(yīng)用[J];計(jì)算機(jī)工程;2008年10期

10 沈佳寧;須文波;孫俊;;基于量子粒子群算法的收斂性研究[J];微計(jì)算機(jī)信息;2009年06期

相關(guān)會(huì)議論文 前10條

1 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測專委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

2 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對(duì)策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

3 黃勝;任萬龍;王超;何新;;多目標(biāo)粒子群算法在翼型優(yōu)化的應(yīng)用[A];第二十五屆全國水動(dòng)力學(xué)研討會(huì)暨第十二屆全國水動(dòng)力學(xué)學(xué)術(shù)會(huì)議文集（上冊(cè)）[C];2013年

4 李洪全;王京;;基于粒子群算法的自適應(yīng)PID控制[A];冶金企業(yè)自動(dòng)化、信息化與創(chuàng)新——全國冶金自動(dòng)化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

5 李曙光;;粒子群算法在高速公路多路徑費(fèi)用拆分方法研究[A];第二十六屆中國控制會(huì)議論文集[C];2007年

6 趙亮;;遺傳增強(qiáng)混沌粒子群算法[A];第二十九屆中國控制會(huì)議論文集[C];2010年

7 楊誠;楊傳啟;;基于粒子群算法的PID參數(shù)優(yōu)化[A];第七屆工業(yè)儀表與自動(dòng)化學(xué)術(shù)會(huì)議論文集[C];2006年

8 劉文許;林禮清;溫步瀛;;電力市場下基于改進(jìn)粒子群算法的AGC機(jī)組選擇[A];中國高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊(cè)）[C];2008年

9 劉衍民;馬衛(wèi)民;;基于高斯白噪聲擾動(dòng)的混合粒子群算法及其應(yīng)用[A];第十屆中國不確定系統(tǒng)年會(huì)、第十四屆中國青年信息與管理學(xué)者大會(huì)論文集[C];2012年

10 王征;劉大寶;王家林;王永驥;;基于離散粒子群算法的船舶電力系統(tǒng)重構(gòu)研究[A];2011年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 李慶偉;粒子群算法及電廠若干問題的研究[D];東南大學(xué);2016年

2 尹浩;求解Web服務(wù)選取問題的粒子群算法研究[D];東北大學(xué);2014年

3 邵晴;粒子群算法研究及其工程應(yīng)用案例[D];吉林大學(xué);2017年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動(dòng)態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

8 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

9 劉衍民;粒子群算法的研究及應(yīng)用[D];山東師范大學(xué);2011年

10 王雪飛;粒子群算法的動(dòng)態(tài)拓樸結(jié)構(gòu)研究[D];西南大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

2 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

3 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

4 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

5 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

6 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

7 戴玉倩;基于混合動(dòng)態(tài)粒子群算法的軟件測試數(shù)據(jù)自動(dòng)生成研究[D];江西理工大學(xué);2015年

8 仲偉彪;改進(jìn)粒子群算法的研究及其云計(jì)算資源調(diào)度的應(yīng)用[D];江西理工大學(xué);2015年

9 艾東;基于粒子群算法的雙重目標(biāo)設(shè)施布置優(yōu)化[D];西安建筑科技大學(xué);2015年

10 劉召軍;解優(yōu)化問題的混合粒子群算法[D];陜西師范大學(xué);2015年

，

本文編號(hào)：2015183