自适应惯性权重的改进粒子群算法

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

自适应惯性权重的改进粒子群算法

敖永才, 师奕兵, 张伟, 李焱骏

文章导航 > 电子科技大学学报 > 2014 > 43(6): 874-880

敖永才, 师奕兵, 张伟, 李焱骏. 自适应惯性权重的改进粒子群算法[J]. 电子科技大学学报, 2014, 43(6): 874-880. doi: 10.3969/j.issn.1001-0548.2014.06.014

引用本文:

敖永才, 师奕兵, 张伟, 李焱骏. 自适应惯性权重的改进粒子群算法[J]. 电子科技大学学报, 2014, 43(6): 874-880. doi: 10.3969/j.issn.1001-0548.2014.06.014

AO Yong-cai, SHI Yi-bing, ZHANG Wei, LI Yan-jun. Improved Particle Swarm Optimization with Adaptive Inertia Weight[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 874-880. doi: 10.3969/j.issn.1001-0548.2014.06.014

Citation:

AO Yong-cai, SHI Yi-bing, ZHANG Wei, LI Yan-jun. Improved Particle Swarm Optimization with Adaptive Inertia Weight[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 874-880. doi: 10.3969/j.issn.1001-0548.2014.06.014

自适应惯性权重的改进粒子群算法

doi: 10.3969/j.issn.1001-0548.2014.06.014

1.
电子科技大学自动化工程学院成都 611731

基金项目:

国家自然科学基金(61201131);中央高校基本科研业务费(ZYGX2012J092,ZYGX2012K094)

作者简介:
敖永才(1976-),男,博士,主要从事模式识别、智能优化算法方面的研究.

中图分类号: TP273

Improved Particle Swarm Optimization with Adaptive Inertia Weight

1.
School of Automation Engineering,University of Electronic Science and Technology of China Chengdu 611731

摘要: 针对标准PSO算法求解高维非线性问题时存在的大量无效迭代(经过一轮迭代后全局最优位置保持不变),提出了一种自适应惯性权重的改进粒子群算法。基于单次迭代中单粒子运动状态的分析,提出并证明了论点:上一轮迭代适应度值变差的粒子,当前迭代中其惯性分量将引导粒子往适应度值变差的方向运动,导致粒子群体无效迭代次数增加。设计了标准PSO算法改进方案,将上一轮迭代中适应度值变差的全体粒子的惯性权重置为零,消除当前迭代中不利惯性分量对算法收敛的不良影响。采用6个标准测试函数,将该算法与标准PSO算法、固定惯性权重PSO算法和具有领袖的PSO算法进行性能对比分析。试验表明,该改进算法无效迭代次数更少,在收敛率、收敛速度和收敛稳定性上均具有明显的优势。
- 自适应惯性权重 /
- 收敛性能 /
- 惯性分量 /
- 无效迭代 /
- 粒子群优化算法
Abstract: To reduce the invalid iterations (the iteration in which the global optimum position is unchanged) of the particle swarm while solving the high-dimensional nonlinear problems by the standard particle swarm optimization (PSO) algorithm, an improved PSO algorithm with adaptive inertia weight is proposed in this paper. Based on the analysis of the instantaneous movement of single particle at each iteration, a significant argument is given and proved. In the improved algorithm, the inertia weights of the particles whose fitness become worse at the last iterations are set to zero. Six benchmark functions were used to test the proposed improved PSO algorithm, the standard PSO algorithm, the fixed inertia weight PSO algorithm, and the PSO algorithm with the leader. Experiments show that the invalid iterations of the proposed algorithm are less and it has obvious superiority on the convergence ratio, the convergence speed, and the convergence stability.
- adaptive inertia weight /
- convergence performance /
- inertial component /
- invalid iteration /
- particle swarm optimization(PSO)algorithm

[1]	鲁华祥, 尹世远, 龚国良, 刘毅, 陈刚. 基于深度确定性策略梯度的粒子群算法 . 电子科技大学学报, 2021, 50(2): 199-206. doi: 10.12178/1001-0548.2020420
[2]	郜东瑞, 周晖, 冯李逍, 张云霞, 彭茂琴, 张永清. 基于特征融合和粒子群优化算法的运动想象脑电信号识别方法 . 电子科技大学学报, 2021, 50(3): 467-475. doi: 10.12178/1001-0548.2020107
[3]	王传兵, 张利嵩, 李翔, 岳松, 吴秉横. 基于粒子群算法的多层介质透波性能优化 . 电子科技大学学报, 2019, 48(4): 498-503. doi: 10.3969/j.issn.1001-0548.2019.04.004
[4]	张新明, 王霞, 涂强, 康强. 趋优算子和Levy Flight混合的粒子群优化算法 . 电子科技大学学报, 2018, 47(3): 421-429. doi: 10.3969/j.issn.1001-0548.2018.03.016
[5]	肖海林, 任婵婵, 聂在平, 李民政. 基于线性权重粒子群优化算法的多基站协作波束成型 . 电子科技大学学报, 2015, 44(5): 663-667. doi: 10.3969/j.issn.1001-0548.2015.05.004
[6]	李旻, 咸卫明, 龙兵, 王厚军. 基于特征优选模拟电路故障诊断方法 . 电子科技大学学报, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015
[7]	刘强, 马家辰, 谢玮, 马立勇. 混合粒子群优化算法和案例推理方法的多机器人学习 . 电子科技大学学报, 2014, 43(1): 137-143. doi: 10.3969/j.issn.1001-0548.2014.01.023
[8]	陈金广, 李洁, 高新波. 双重迭代变分贝叶斯自适应卡尔曼滤波算法 . 电子科技大学学报, 2012, 41(3): 359-363. doi: 10.3969/j.issn.1001-0548.2012.03.006
[9]	王维博, 冯全源. 粒子群优化算法在天线方向图综合中的应用 . 电子科技大学学报, 2011, 40(2): 237-241. doi: 10.3969/j.issn.1001-0548.2011.02.016
[10]	胡建, 李志蜀, 欧鹏, 罗思达. 粒子群优化算法中的分步式策略 . 电子科技大学学报, 2009, 38(3): 435-440. doi: 10.3969/j.issn.1001-0548.2009.03.028
[11]	张扬, 徐建平. 变步长极化对消迭代滤波算法 . 电子科技大学学报, 2009, 38(1): 1-4.
[12]	刁鸣, 高洪元, 马杰, 缪善林. 应用神经网络粒子群算法的多用户检测 . 电子科技大学学报, 2008, 37(2): 178-180,281.
[13]	李明, 张勇, 李军权, 张亚芬. 改进PSO-SVM在说话人识别中的应用 . 电子科技大学学报, 2007, 36(6): 1345-1349.
[14]	任诚, 唐普英, 方峻. 拉伸技术粒子群优化算法的多用户检测器 . 电子科技大学学报, 2007, 36(5): 915-917.
[15]	沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较 . 电子科技大学学报, 2005, 34(5): 696-699.
[16]	王传丹, 张忠培, 符初生. MIMO信道自适应迭代干扰抑制技术研究 . 电子科技大学学报, 2005, 34(6): 751-754.
[17]	袁玉波, 高中喜, 黄廷祝, 刘福体. JOR迭代法的收敛性 . 电子科技大学学报, 2003, 32(6): 790-792.
[18]	刘荧, 林嘉宇, 毛均杰. 幅度补偿问题的松弛迭代法的收敛性 . 电子科技大学学报, 2000, 29(1): 33-37.
[19]	胡文绩. 平面运动刚体惯性力系简化中心的选择 . 电子科技大学学报, 1998, 27(4): 403-406.
[20]	唐小我, 王景, 曹长修. 一种新的模糊自适应变权重组合预测算法 . 电子科技大学学报, 1997, 26(3): 289-292.

WeChat

点击查看大图

计量

文章访问数: 4871
HTML全文浏览量: 159
PDF下载量: 64
被引次数: 0

自适应惯性权重的改进粒子群算法

doi: 10.3969/j.issn.1001-0548.2014.06.014

1. 电子科技大学自动化工程学院成都 611731

基金项目:

国家自然科学基金(61201131);中央高校基本科研业务费(ZYGX2012J092,ZYGX2012K094)

作者简介:
敖永才(1976-),男,博士,主要从事模式识别、智能优化算法方面的研究.

收稿日期: 2013-11-21
修回日期: 2014-02-28
刊出日期: 2014-12-15

中图分类号: TP273

关键词:

摘要: 针对标准PSO算法求解高维非线性问题时存在的大量无效迭代(经过一轮迭代后全局最优位置保持不变),提出了一种自适应惯性权重的改进粒子群算法。基于单次迭代中单粒子运动状态的分析,提出并证明了论点:上一轮迭代适应度值变差的粒子,当前迭代中其惯性分量将引导粒子往适应度值变差的方向运动,导致粒子群体无效迭代次数增加。设计了标准PSO算法改进方案,将上一轮迭代中适应度值变差的全体粒子的惯性权重置为零,消除当前迭代中不利惯性分量对算法收敛的不良影响。采用6个标准测试函数,将该算法与标准PSO算法、固定惯性权重PSO算法和具有领袖的PSO算法进行性能对比分析。试验表明,该改进算法无效迭代次数更少,在收敛率、收敛速度和收敛稳定性上均具有明显的优势。

English Abstract

敖永才, 师奕兵, 张伟, 李焱骏. 自适应惯性权重的改进粒子群算法[J]. 电子科技大学学报, 2014, 43(6): 874-880. doi: 10.3969/j.issn.1001-0548.2014.06.014

引用本文:

敖永才, 师奕兵, 张伟, 李焱骏. 自适应惯性权重的改进粒子群算法[J]. 电子科技大学学报, 2014, 43(6): 874-880. doi: 10.3969/j.issn.1001-0548.2014.06.014

AO Yong-cai, SHI Yi-bing, ZHANG Wei, LI Yan-jun. Improved Particle Swarm Optimization with Adaptive Inertia Weight[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 874-880. doi: 10.3969/j.issn.1001-0548.2014.06.014

Citation:

AO Yong-cai, SHI Yi-bing, ZHANG Wei, LI Yan-jun. Improved Particle Swarm Optimization with Adaptive Inertia Weight[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 874-880. doi: 10.3969/j.issn.1001-0548.2014.06.014

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发