--> -->

  • <tr id='XEanJZ'><strong id='XEanJZ'></strong><small id='XEanJZ'></small><button id='XEanJZ'></button><li id='XEanJZ'><noscript id='XEanJZ'><big id='XEanJZ'></big><dt id='XEanJZ'></dt></noscript></li></tr><ol id='XEanJZ'><option id='XEanJZ'><table id='XEanJZ'><blockquote id='XEanJZ'><tbody id='XEanJZ'></tbody></blockquote></table></option></ol><u id='XEanJZ'></u><kbd id='XEanJZ'><kbd id='XEanJZ'></kbd></kbd>

    <code id='XEanJZ'><strong id='XEanJZ'></strong></code>

    <fieldset id='XEanJZ'></fieldset>
          <span id='XEanJZ'></span>

              <ins id='XEanJZ'></ins>
              <acronym id='XEanJZ'><em id='XEanJZ'></em><td id='XEanJZ'><div id='XEanJZ'></div></td></acronym><address id='XEanJZ'><big id='XEanJZ'><big id='XEanJZ'></big><legend id='XEanJZ'></legend></big></address>

              <i id='XEanJZ'><div id='XEanJZ'><ins id='XEanJZ'></ins></div></i>
              <i id='XEanJZ'></i>
            1. <dl id='XEanJZ'></dl>
              1. <blockquote id='XEanJZ'><q id='XEanJZ'><noscript id='XEanJZ'></noscript><dt id='XEanJZ'></dt></q></blockquote><noframes id='XEanJZ'><i id='XEanJZ'></i>
                • 北大核心期刊(《中文核心期刊要目总览》2017版)
                • 中国科技核心期刊(中国科技》论文统计源期刊)
                • JST 日本科学技术振兴机构数据库(日)收录期刊

                留言板

                尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的』任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢〓您的支持!

                姓名
                邮箱
                手机号码
                标题
                留言内容
                验证码

                一种改进的自适应惯性权重的粒子群算法

                张晓莉 王秦飞 冀汶莉

                张晓莉, 王秦飞, 冀汶莉. 一种改进的自适应惯性权重的粒子群算法[J]. 微电子学与计算机, 2019, 36(3): 66-70.
                引用本文: 张晓莉, 王秦飞, 冀汶莉. 一种改进的自适应惯性权重的粒子群算法[J]. 微电子学与计算机, 2019, 36(3): 66-70.
                ZHANG Xiao-li, WANG Qin-fei, JI Wen-li. An improved particle swarm optimization algorithm for adaptive inertial weights[J]. Microelectronics & Computer, 2019, 36(3): 66-70.
                Citation: ZHANG Xiao-li, WANG Qin-fei, JI Wen-li. An improved particle swarm optimization algorithm for adaptive inertial weights[J]. Microelectronics & Computer, 2019, 36(3): 66-70.

                一种改进的自适应惯性权重的粒子群算法

                详细信息
                  作者简介:

                  张晓莉??女, (1971-), 硕士, 副教授, 硕士生导师.研究方向为嵌入式系统应用、物ξ 联网技术和移动互联网应用.E-mail:2859152317@qq.com

                  王秦飞??男, (1993-), 硕士研究生.研究【方向为智能算法及应用系统

                  冀汶莉??女, (1972-), 硕士, 副教授, 硕士生导师.研究方向为物联网技术

                • 中图分类号: TP391.9

                An improved particle swarm optimization algorithm for adaptive inertial weights

                • 摘要:

                  针对传统粒子群算法容易陷入局部最优、收敛速度︻快, 导致收敛精度低等弊端, 一种改良的自适应惯性权重的粒子群算法在本文中被提出.通过对粒子飞行速度和位置变化的分析, 并结合粒子的自适应值动态调整惯权重, 使得算法能够在全局空间和局部空间搜索之内达到良好的均衡.选择典型的测试函数, 将改进后的粒子群算法(PSO-A)、带收缩因子的粒子群算法(PSO-X)和惯性权重线性递减粒子群算法(PSO-W)的性能进行了对比分析.最后采用MATLAB软件进行算法仿真, 从结果得出, 本文所提出的自适应改变惯性权重的粒子群算法在收敛精度、收敛速度上都取得了明显的改善.

                   

                • 图 1  粒子群算法流程图

                  图 2  ?

                  图 3  粒子运动矢量分析图

                  图 4  sigmoid函数

                  图 5  Sphere函数

                  图 6  Rosenbrock函数

                  图 7  Griewank函数

                  图 8  Rastrigin函数

                  表  1  测试结果

                  PSO-A PSO-X PSO-W
                  F1 a 6.450 3e-025 5.274 5e-038 7.420 5e-006
                  b 2.340 3e-035 2.782 4-002 5.345 0e-033
                  F2 a 34.653 2 28.323 0 32.765 3
                  b 24.003 2 12.563 5 30.056 0
                  F3 a 8.340 5e-012 5.250 3e-023 0.003 4
                  b 0.002 3 0.081 2 0.095 7
                  F4 a 6.723 4e-023 0.135 4 0.150 2
                  b 0.043 4 0.145 3 5.324 0e-034
                  下载: 导出CSV
                • [1] KENNEDY J, EBERHART R C. Particle swarm optimization[C]//Proceedings of the IEEE International Conference on Neural Networks. Perth, 1995: 1942-1948.
                  [2] SHI Y, EBERHART R C. A modified particle swarm optimizer[C]//Proceedings of the IEEE Congress on Evolutionary Computation. Anchorage, 1998: 69-73.
                  [3] CLERC M, KENNEDY J. The particle swarm:explosion stability and convergence in a multi-dimensional complex space[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(1):58-73. doi: 10.1109/4235.985692
                  [4] 黄廷林, 戴雪峰, 张卉, 等.改进PSO算法在多水源供水系统优化调度中的应用[J].中↑国给水排水, 2013, 28(23): 64- 68.
                  [5] 范成礼, 邢清华, 范海雄, 等.带审敛】因子的变邻域粒子群算法[J].控制与决策, 2014, 28(4):696-700.
                  [6] 余胜威.MATLAB优々化算法案例分析与应用[M].北京:清华大学出版社, 2014:201- 202.
                  [7] 朱正伟, 郭晓, 刁小敏.基于混合免疫粒子群算法的WSN移动sink路径研究[J].微电子学与计算机, 2018, 35(5):89-94.
                  [8] 崔丽珍, 李晓宇, 胡海东, 等.基于自然选择粒子群算法的WSN覆盖优□化策略[J].微电子学与计算机, 2018, 35(4):73-78.
                  [9] 李军民, 王洪涛.一种改进惯性权重策略的粒子群优化算法[J].西安科技大学学报, 2010, 30(5):604-608.
                  [10] 邵鹏, 吴志健.基于改进PSO算法的Rosenbrock函数优化问题的研究[J].计算机科学, 2013, 40(9):194-197.
                  [11] 董平平, 高东慧, 田雨波, 等.一种改进的自适应惯性权重粒子群优化算法[J].计算机仿真, 2012, 29(12):283-286.
                  [12] 罗华.一种惯性权重自适应的粒子群优化▲算法[J].电子科技, 2017, 30(3):30-32.
                • 加载中
                图(8) / 表(1)
                计量
                • 文章访问数:  461
                • HTML全文浏览量:  187
                • PDF下载量:  32
                • 被引次数: 0
                出版历程
                • 收稿日期:  2018-07-07
                • 修回日期:  2018-08-10

                目录

                  /

                  返回文章
                  返回