-
题名基于自适应多种群的粒子群优化算法
被引量：7
- 1
-
-
作者
曾辉
王倩
夏学文
方霞
-
机构
新疆工程学院计算机工程系
新疆师范大学数学科学学院
华东交通大学软件学院
华东交通大学智能优化与信息处理研究所
加拿大萨斯卡切温大学地理与规划系
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第10期59-65,共7页
-
基金
新疆维吾尔自治区教育厅高校科研计划基金(No.2014JYT041606)
新疆工程学院博士科研启动基金(No.2015BQJ011712)
-
文摘
为了平衡算法的探测能力和开采能力,提高粒子群算法在不同类型问题上的综合性能,提出了一种基于自适应多种群的粒子群优化算法(PSO-SMS)。算法包含重组、子群规模调整和探测三个模块。在演化初始阶段,整个种群被划分成许多子种群。重组模块使不同子群间可以共享优势信息,有利于单峰和多峰函数的优化。当种群陷入潜在的局部最优时,探测模块可基于搜索过程的一些历史信息,帮助跳出当前的局部最优。通过子群规模调整,每个子种群的大小随着进化的过程而逐渐增加,有利于提高算法在初始阶段的探测能力和后期的开采能力。通过CEC2013的测试集与其他七种PSO算法的比较表明,PSO-SMS算法在解决不同类型的函数优化问题上有着突出的性能表现。
-
关键词
粒子群算法
全局优化
自适应
多种群
-
Keywords
particle swarm optimization
global optimization
self-adaptive
multi-swarm
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名高山滑雪中速度建模仿真研究
被引量：6
- 2
-
-
作者
周娟
王双华
王涛
黄林昕
-
机构
华东交通大学软件学院
华东交通大学智能优化与信息处理研究所
华东交通大学机电工程学院
-
出处
《计算机仿真》
CSCD
北大核心
2015年第9期226-232,共7页
-
基金
国家自然科学基金项目(61240036
61163055
+5 种基金
61165004)
江西省教育厅科技项目(GJJ13362
GJJ14373)
江西省自然科学基金资助项目(20114BAB201027)
教育部人文社科项目(11YJC740157)
华东交通大学校立科研基金项目(13RJ04)
-
文摘
在高山滑雪运动速度研究中,体重、滑雪板长度、宽度等条件的不同会对运动员的滑雪速度产生影响。为了准确分析上述因素在滑雪过程中如何影响速度,对各种条件建立相应速度模型,综合考虑了干摩擦、接触摩擦、流体剪切摩擦等的各种滑雪板与雪道间阻力,并且利用这些阻力的经典方程,构建运动方向上力的平衡关系,从而建立了硬雪道速度模型与宣雪道速度模型,利用龙格-库塔方法仿真并求解各因素与时间的微分方程,仿真结果表明体重较大者占有优势;滑板长度的增加对滑雪速度不利;在宣雪道上,由于板宽更窄,竞技滑雪板比全地域滑雪板的滑行速度更快。仿真结论为高山滑雪运动员专项训练提供参考,为取得优异的成绩而制定科学的训练方案提供理论依据。
-
关键词
高山滑雪
雪面-滑雪板模型
龙格-库塔法
压痕弹性阻尼模型
-
Keywords
Alpine skiing
Surface-board model
Runge-Kutta method
Indentation elastic damping model
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
O29
[理学—应用数学]
-
-
题名基于多尺度选择性学习和探测-收缩机制的PSO算法
被引量：7
- 3
-
-
作者
夏学文
桂凌
戴志锋
谢承旺
魏波
-
机构
华东交通大学软件学院
华东交通大学智能优化与信息处理研究所
华东交通大学经济管理学院
湖北经济学院信息管理学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2016年第5期1090-1100,共11页
-
基金
国家自然科学基金(No.41231174
No.61165004
+4 种基金
No.61562028)
华东交通大学校立科研项目(No.14JG03)
江西省教育厅科研项目(No.GJJ150539)
江西省自然科学基金(N0.2015BAB207022)
新疆维吾尔自治区高校科研计划青年教师科研启动基金(No.2014JYT041606)
-
文摘
针对粒子群算法逃离局部最优能力差、易早熟收敛、求解精度低等缺点,提出了一种具有多尺度选择性学习和探测-收缩机制的PSO算法.在多尺度选择性学习机制中,粒子根据其自身进化状态在拓扑结构、邻居个体、目标变量维等多个尺度上进行选择性学习,提升粒子个体的学习效率;在探测-收缩机制中,算法利用历史信息指导种群最优解进行探测,提高其逃离局部最优的能力,当判断种群历史最优解处于全局最优解附近时,执行空间收缩策略,将种群的搜索空间限定在较小的一个区域,增强算法的开采能力,提高算法的求解精度.通过和其它PSO算法在22个典型测试函数的实验对比表明,本算法能有效克服早熟收敛、加快收敛速度、提高求解精度.
-
关键词
粒子群算法
早熟收敛
多尺度学习
探测策略
-
Keywords
particle swarm optimization
premature convergence
multiscale learning
detecting strategy
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
