共被期刊论文引用了4次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于自适应惯性权重的均值粒子群优化算法显示文摘针对粒子收敛速度慢、搜索精度不高和算法性能在很大程度上依赖参数选取等缺点,提出了一种基于自适应惯性权重的均值粒子群优化算法。对算法中的惯性权重参数采用动态自适应变化方式,在迭代过程中根据粒子适应度差值将种群划分为三个等级,对不同等级的粒子采用不同的惯性权重策略,使粒子能根据自己所处的位置选择合适的惯性权重值,更快地收敛到全局最优位置;同时分别用个体极值和全局极值的线性组合取代PSO算法中的全局最优位置与个体最优位置。通过实验仿真与对比,验证了新算法性能优于标准PSO及其它一些改进的PSO算法,能够用较少的迭代次数找到最优解,具有更快的收敛速度和更高的收敛精度。 | 赵志刚 林玉娇 尹兆远 | 2016 | 计算机工程与科学2016，38，3： | 37 |
| 2 | 一种动态调整惯性权重的简化均值粒子群优化算法显示文摘提出了一种动态调整惯性权重的简化均值粒子群优化算法(DSMPSO).该算法在简化粒子群优化算法的基础上,利用个体最优位置和全局最优位置的线性组合取代算法个体最优位置和全局最优位置,以加快算法的收敛速度以及寻优精度;此外,构造了一种基于余弦函数的惯性权重,并加入服从贝塔分布的随机调整策略,以实现对惯性权重的动态调整,从而更好地平衡算法的全局和局部搜索能力,并增加种群的多样性.仿真实验结果表明,与其他一些改进算法相比,本文的新算法具有更快的收敛速度和更高的寻优精度. | 黄洋 鲁海燕 许凯波 沈莞蔷 | 2018 | 小型微型计算机系统2018，39，12： | 24 |
| 3 | 粒子群算法求解函数优化问题显示文摘求解函数优化问题的方法有很多种,如传统求解函数优化问题的算法有:罚函数、解析法等。但这些传统算法都存在运行慢、收敛性差、迭代次数过多缺点。针对这些问题,本文引入粒子群优化算法进行函数优化问题求解,该算法收敛速度快、结构简单、调节参数少、易于实现等优点。经过充分发挥粒子群算法的优点,解决了传统优化算法中存在的不足。最后,仿真实验结果表明,粒子群优化算法是可行的和有效的。 | 罗晓宾 郭德龙 周锦程 | 2019 | 科技视界2019，0，15： | 2 |
| 4 | 一种改进的均值粒子群算法显示文摘为了解决粒子群算法存在'早熟'现象和收敛速度慢的问题,本文提出一种改进的均值粒子群算法.该算法采用非线性惯性权重,同时在每个迭代步,将粒子历史最优和种群全局最优取均值再乘以一个非线性权重的方法,以提高算法的全局搜索能力和收敛速度.通过4个标准函数的测试,实验结果表明该算法的有效性. | 张亮 谢富强 陈立 | 2014 | 计算机系统应用2014，23，5： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员