粒子群优化算法及其与遗传算法的比较

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

粒子群优化算法及其与遗传算法的比较

沈艳, 郭兵, 古天祥

文章导航 > 电子科技大学学报 > 2005 > 34(5): 696-699

沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较[J]. 电子科技大学学报, 2005, 34(5): 696-699.

引用本文:

沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较[J]. 电子科技大学学报, 2005, 34(5): 696-699.

SHEN Yan, GUO Bing, GU Tian-xiang. Particle Swarm Optimization Algorithm and Comparison with Genetic Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2005, 34(5): 696-699.

Citation:

SHEN Yan, GUO Bing, GU Tian-xiang. Particle Swarm Optimization Algorithm and Comparison with Genetic Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2005, 34(5): 696-699.

粒子群优化算法及其与遗传算法的比较

1.
电子科技大学机械电子工程学院成都 610054;
2.
四川大学计算机学院成都 610041

作者简介:
沈艳(1973-),女,博士,讲师,主要从事人工智能、智能化、网络化测控技术方面的研究.

中图分类号: O224

Particle Swarm Optimization Algorithm and Comparison with Genetic Algorithm

1.
School of Electromechanical Engineering,UEST of China Chengdu 610054;
2.
School of Computer,Sichuan Univarcity Chengdu 610041

摘要: 粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题。该文讨论粒子群优化算法的基本原理和实现步骤,分析了该算法中各参数的设置。通过一个测试函数,对粒子群优化算法与遗传算法进行了比较,结果表明粒子群优化算法在找寻最优解效率上好于遗传算法。
- 群集智能 /
- 粒子群 /
- 遗传算法 /
- 优化
Abstract: Particle swarm optimization, rooting from simulation of swarm of bird, solves optimization problem. Firstly, discusses particle swarm optimization algorithm principle and step of implementation, and then analyzes each of parameter. Particle swarm optimization algorithm compares with genetic algorithm through the same mathematic function. The comparative result indicates that Particle swarm optimization algorithm can obtain the optimum solutions more easily than genetic algorithm and it is a good optimization method with strong competition.
- warm intelligence /
- particle swarm /
- genetic algorithm /
- optimization

[1]	张强, 李盼池, 王梅. 基于自适应进化策略的人工蜂群优化算法 . 电子科技大学学报, 2019, 48(4): 560-566. doi: 10.3969/j.issn.1001-0548.2019.04.013
[2]	李玉霞, 徐永鑫, 何磊, 张向秀. 基于GA和LEACH的WSN引入交通层路径优化算法 . 电子科技大学学报, 2017, 46(3): 549-554. doi: 10.3969/j.issn.1001-0548.2017.03.012
[3]	唐东明, 卢显良. 用于网络编码优化的改进量子进化算法 . 电子科技大学学报, 2015, 44(2): 215-220. doi: 10.3969/j.issn.1001-0548.2015.02.010
[4]	张民, 贾海涛, 沈震. 基于遗传算法改进的粒子滤波重采样模型 . 电子科技大学学报, 2015, 44(3): 344-349. doi: 10.3969/j.issn.1001-0548.2015.03.005
[5]	万建臣, 靳宗信. 多峰值函数优化问题的免疫遗传算法求解 . 电子科技大学学报, 2013, 42(5): 769-772. doi: 10.3969/j.issn.1001-0548.2013.05.024
[6]	熊彦铭, 毛凌, 杨战平. 基于遗传算法的时间决策系统标定优化方法 . 电子科技大学学报, 2012, 41(1): 80-84. doi: 10.3969/j.issn.1001-0548.2012.01.016
[7]	覃琴, 曾志民, 张天魁, 张从青. 动态多中继协同节点选择算法 . 电子科技大学学报, 2011, 40(4): 505-508. doi: 10.3969/j.issn.1001-0548.2011.04.005
[8]	向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计 . 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034
[9]	王秉中, 邵维, 赖生建, 洪劲松, 肖绍球, 杨雪松, 邓建华. 电子科技大学计算电磁学实验室对计算电磁学的研究进展 . 电子科技大学学报, 2009, 38(5): 568-578. doi: 10.3969/j.issn.1001-0548.2009.05.012
[10]	陈世杰, 连可, 王厚军. 遗传算法优化的SVM模拟电路故障诊断方法 . 电子科技大学学报, 2009, 38(4): 553-558. doi: 10.3969/j.issn.1001-0548.2009.04.019
[11]	何祖军, 胡静. 知识库散货船自动配载系统设计 . 电子科技大学学报, 2008, 37(5): 737-741.
[12]	崔梦天, 傅丽霞, 赵海军, 钟勇. 多级离散模糊神经网络稳定性的优化算法 . 电子科技大学学报, 2007, 36(3): 628-631.
[13]	王瑞平, 万柏坤, 高上凯. 使用遗传算法的乳腺微钙化点特征优化 . 电子科技大学学报, 2007, 36(1): 137-139,153.
[14]	王志红, 杜平安, 郭志龙, 梁山虎. 基于遗传算法与动态规划法的工艺过程优化 . 电子科技大学学报, 2007, 36(1): 146-149.
[15]	吕士颖, 郑晓鸣, 王晓东. 基于免疫量子粒子群优化的属性约简 . 电子科技大学学报, 2007, 36(6): 1268-1272.
[16]	崔炳华, 邱琪, 薛飞, 王岩柏. 多波长后向泵浦拉曼放大器优化算法研究 . 电子科技大学学报, 2003, 32(3): 296-299.
[17]	张宇, 郭晶, 周激流. 动态变异遗传算法 . 电子科技大学学报, 2002, 31(3): 234-239.
[18]	高源慈, 雷文强, 赵德双, 刘述章. 遗传算法对多层旋波媒质本构关系的优化 . 电子科技大学学报, 2001, 30(6): 580-584.
[19]	周小英, 王华, 姚伯威. 遗传算法在模糊控制规则优化中的实现 . 电子科技大学学报, 2000, 29(2): 161-163.
[20]	吴斌, 吴坚, 涂序彦. 快速遗传算法研究 . 电子科技大学学报, 1999, 28(1): 49-53.

WeChat

点击查看大图

计量

文章访问数: 3810
HTML全文浏览量: 221
PDF下载量: 225
被引次数: 0

粒子群优化算法及其与遗传算法的比较

1. 电子科技大学机械电子工程学院成都 610054;

2. 四川大学计算机学院成都 610041

作者简介:
沈艳(1973-),女,博士,讲师,主要从事人工智能、智能化、网络化测控技术方面的研究.

收稿日期: 2003-10-29
刊出日期: 2005-10-15

中图分类号: O224

关键词:

摘要: 粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题。该文讨论粒子群优化算法的基本原理和实现步骤,分析了该算法中各参数的设置。通过一个测试函数,对粒子群优化算法与遗传算法进行了比较,结果表明粒子群优化算法在找寻最优解效率上好于遗传算法。

English Abstract

沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较[J]. 电子科技大学学报, 2005, 34(5): 696-699.

引用本文:

沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较[J]. 电子科技大学学报, 2005, 34(5): 696-699.

SHEN Yan, GUO Bing, GU Tian-xiang. Particle Swarm Optimization Algorithm and Comparison with Genetic Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2005, 34(5): 696-699.

Citation:

SHEN Yan, GUO Bing, GU Tian-xiang. Particle Swarm Optimization Algorithm and Comparison with Genetic Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2005, 34(5): 696-699.

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