基于模糊高斯學(xué)習(xí)策略的粒子群進(jìn)化融合算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評論（0）
針對粒子群優(yōu)化（PSO）算法存在的開發(fā)能力不足，導(dǎo)致算法精度不高、收斂速度慢以及微分進(jìn)化算法具有的探索能力偏弱，易陷入局部極值的問題，提出一種基于模糊高斯學(xué)習(xí)策略的粒子群一進(jìn)化融合算法。在標(biāo)準(zhǔn)粒子群算法的基礎(chǔ)上，選取精英粒子種群，運(yùn)用變異、交叉、選擇進(jìn)化算子，構(gòu)建精英粒子群一進(jìn)化融合優(yōu)化機(jī)制，提高粒子種群多樣性與收斂性；引入符合人類思維特性的模糊高斯學(xué)習(xí)策略，提高粒子尋優(yōu)能力，形成基于模糊高斯學(xué)習(xí)策略的精英粒子群和微分進(jìn)化融合算法。對9個(gè)標(biāo)準(zhǔn)測試函數(shù)進(jìn)行了計(jì)算測試和對比分析，結(jié)果表明函數(shù)Schwefel.1.2、Sphere、Ackley.Griewank與Quadric Noise計(jì)算平均值分別為1.5E - 39、8.5E - 82、9.2E - 13、5.2E - 17、1.2E - 18，接近算法最小值；Rosenbrock、Rastrigin、Schwefel及Salomon函數(shù)收斂平均值較四種對比粒子群優(yōu)化算法計(jì)算結(jié)果提高了1-3個(gè)數(shù)量級；同時(shí)，收斂性顯示算法收斂速度較對比算法提高了5%- 30%。算法在提高計(jì)算收斂速度和精度上效果明顯，具有較強(qiáng)的逃離局部極值的能力和全局搜索能力。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于模糊高斯學(xué)習(xí)策略的粒子群進(jìn)化融合算法下載
相關(guān)電子資料下載
- 采煤機(jī)用牽引干式變壓器優(yōu)化設(shè)計(jì)方案 1209
- 粒子群算法的MATLAB實(shí)現(xiàn)（2） 775
- 粒子群算法的MATLAB實(shí)現(xiàn)（1） 1372
- matlab-粒子群算法優(yōu)化simulink中的pid參數(shù)詳解 2839
- 粒子群優(yōu)化算法PSO優(yōu)化模糊控制論域 863
- 基于改進(jìn)的二階振蕩粒子群算法的參數(shù)估計(jì)方法 966
- 基于自適應(yīng)粒子群算法優(yōu)化支持向量機(jī)的負(fù)荷預(yù)測 1020
- 關(guān)于基于TMS320C6678的粒子群算法并行的設(shè)計(jì) 5228