文件名称：用于数值优化的多策略自适应粒子群算法
文件大小：940KB
文件格式：PDF
更新时间：2024-05-15 09:00:31
Particle swarm optimization; Optimization problems;
为了以非常快的收敛速度在整个搜索空间中搜索全局最优，我们提出了一种多策略自适应粒子群优化算法（MAPSO）。 MAPSO开发了一种创新的多样性测量策略，以评估人口分布，并执行实时交替策略，以在每次迭代中确定两个预定义的进化状态（勘探和开发）之一。 在迭代优化过程中，MAPSO可以根据粒子的多样性动态控制惯性权重。 此外，MAPSO引入了一种精英学习策略，以增强人口多样性并防止人口陷入当地的最佳解决方案。 精英学习策略不仅作用于全局最佳粒子，而且还作用于一些非常接近全局最佳粒子的特殊粒子。 MAPSO的上述功能已针对八个基准问题和一个标准测试图像进行了全面分析和测试。 实验结果表明，MAPSO可以大大提高PSO跳出局部最优解的能力，并显着提高搜索效率和收敛速度。