您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (5): 34-40.

• 论文 • 上一篇    下一篇

融合PSO算法思想的进化算法

刘建华1,2, 黄添强2, 严晓明2   

  1. 1.福建工程学院计算机与信息系,福建 福州 350007
    2福建师范大学数学与计算机科学学院,福建 福州350007
  • 收稿日期:2010-04-22 出版日期:2010-10-16 发布日期:2010-04-22
  • 作者简介:刘建华(1967- ) 男,江西安福人,副教授,博士,研究方向为进化计算、数据挖掘等.E-mail:jhliu@fjnu.edu.cn
  • 基金资助:

    福建省自然科学基金资助项目(2008J04004)

Evolutionary algorithm based on idea of particle swarm optimization

LIU Jianhua1,2, HUANG Tiangqiang2, YAN Xiaoming2   

  1. 1.Departmetn of Computer and Information, Fujian University of Technology, Fuzhou 350007, China
    2.School of Mathematics and Computer Science, Fujian Normal University, Fuzhou 350007, China
  • Received:2010-04-22 Online:2010-10-16 Published:2010-04-22

摘要:

 粒子群算法(particle swarm optimization,PSO)是仿真于生物群体的社会行为的一种智能优化算法,其原始形式难以体现数学的直观性和本质性。然而,在简化算法原始模型的基础上,PSO算法的理论分析得到其数学模型,并且说明了其是一个迭代进化系统。利用PSO算法的数学模型代替标准PSO算法速度及位置的迭代公式,并选择适当的参数,从而构造了一种新的进化算法。新的进化算法形式更能直接体现PSO算法的数学思想。经仿真试验表明,新的进化算法效果不差于标准PSO算法,并且参数少且容易分析。

关键词: 粒子群算法, 收敛性, 进化算法, 数学模型

Abstract:

Particle swarm optimization (PSO) is an intelligence algorithm simulated the social behavior of bird swarm or fish group. It is difficult for original formula of PSO to show mathematical essence and principle. Using the simplified modal of PSO, the current theoretical analysis of PSO has  constructed a mathematic modal that give a clear essence of PSO from mathematic view. Which has  illustrated that the PSO is an iteration evolutionary system. Using the mathematic modal of PSO, this paper develops a new evolutionary algorithm that velocity and location updating equation of PSO are replaced by the mathematic equations. And the some parameters of new algorithm are discussed and selected properly. With selection of appropriate parameters, the performance of new evolutionary algorithm is not inferior to standard PSO by simulation on benchmark functions. The new evolutionary algorithm is easy to understand and has mathematical meaning. Its parameters are fewer and easier to be analyzed than standard PSO.
 

Key words: particle swarm optimization, convergence, evolutionary algorithm, mathematic modal

[1] 梁蒙蒙,周涛,夏勇,张飞飞,杨健. 基于PSO-ConvK卷积神经网络的肺部肿瘤图像识别[J]. 山东大学学报(工学版), 2018, 48(5): 77-84.
[2] 张双圣,强静,刘喜坤,刘汉湖,朱雪强. 基于贝叶斯-微分进化算法的污染源识别反问题[J]. 山东大学学报(工学版), 2018, 48(1): 131-136.
[3] 马汉杰,林霞,胥晓晖,张健,张智晟. 基于自适应粒子群算法的智能家居管理系统负荷优化模型[J]. 山东大学学报(工学版), 2017, 47(6): 57-62.
[4] 易云飞,苗剑,林郭隆,殷智. 基于牛顿力学和博弈论模型的粒子网络优化算法[J]. 山东大学学报(工学版), 2017, 47(1): 28-36.
[5] 杨隆浩, 傅仰耿, 巩晓婷. 置信规则库参数学习的并行差分进化算法[J]. 山东大学学报(工学版), 2015, 45(1): 30-36.
[6] 刘建美, 马帅奇. 基于静、动态虚拟行动的个体交通出行模型构建[J]. 山东大学学报(工学版), 2014, 44(6): 55-62.
[7] 荆业飞1,张承慧1*,徐蓓蓓2,李珂1,褚晓广1. 基于阻抗匹配的小型风电系统功率输出优化方法[J]. 山东大学学报(工学版), 2013, 43(5): 39-43.
[8] 张磊,孙奉仲*,高明. 侧风对冷却塔性能影响的特异性定量分析方法[J]. 山东大学学报(工学版), 2013, 43(5): 98-103.
[9] 张飞,耿红琴. 基于混沌粒子群算法的车间作业调度优化[J]. 山东大学学报(工学版), 2013, 43(3): 19-22.
[10] 严宣辉,曾庆盛*,舒才良. 融合免疫机制的协同进化模型[J]. 山东大学学报(工学版), 2012, 42(1): 34-44.
[11] 刘淳安. 基于核分布估计的动态多目标优化进化算法[J]. 山东大学学报(工学版), 2011, 41(1): 167-172.
[12] 王云,王俊,韩伟*. 基于进化算法的多智能体合作学习[J]. 山东大学学报(工学版), 2010, 40(6): 8-11.
[13] 高坤华,张成义,胡亦工,徐士倩,郑冠军,王伟. 循环泵启动瞬间排水系统壅水数值模型分析[J]. 山东大学学报(工学版), 2010, 40(4): 138-143.
[14] 刘洋 史月涛 刘杰 高明 赵元宾 孙奉仲. N-S方程中非稳态项对SIMPLER程序收敛性的影响[J]. 山东大学学报(工学版), 2009, 39(6): 139-142.
[15] 杜乾蔚 何彬 王玉玲 游智.
基于遗传算法的含金属混合炸药配方设计
[J]. 山东大学学报(工学版), 2009, 39(5): 149-152.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!