科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高复杂约束优化问题的收敛精度,提出了基于ε约束的骨干粒子群优化算法(Bare-bones Particle Swarm Optimization basedεconstrained简称ε-BPSO).首先,设计了时变的约束放松参数ε,使算法前期充分利用不可行解的有效信息;其次,为了避免早期收敛,提出动态学习BPSO算法,算法中粒子可以随机地向群体的优秀个体学习,并通过自适应学习权重使群体从全局勘探转向局部利用.最后,依概率采用梯度突变策略,将不可行域中的粒子引入可行域,加快搜索可行域的效率.在36个测试函数上测试并将本文算法与多种进化算法进行对比,实验结果和统计分析表明本文算法在求解约束优化问题上具有优越性.
- 出版日期2016
- 单位马鞍山师范高等专科学校; 安徽工业大学
