模拟退火自适应反向无惯性粒子群优化算法
模拟退火自适应反向无惯性粒子群优化算法为解决反向粒子群优化算法存在易陷入局部最优、收敛速度过慢的问题，文章提出了一种模拟退火自适应反向无惯性粒子群优化(simulated annealing adaptive opposition-based norrinertial particle swarm opti-mization,SAONPSO)算法。SAONPSO算法在一般性反向学习方法的基础上，根据模拟退火原理，对每一代粒子群自适应地给出反向策略执行概率，并结合精英差分变异策略对当前最优粒子进行扰动，从而帮助粒子避免陷入局部最优解;为加快粒子收敛速度，SAONPSO算法引入了一种无惯性速度更新公式来引导粒子飞行方向，该公式在对环境信息充分获取的基础上以较少的参数设置获得了较快的收敛速度。上述2种机制的结合应用有效地克服了反向粒子群算法中探索与开发的矛盾;实验结果表明，与其他反向粒子群优化算法相比，SAONPSO算法在解的求解精度与收敛速度上均较优。
关键词:一般性反向学习;粒子群优化;模拟退火;精英差分变异;无惯性速度更新公式
页:
[1]