国家自然科学基金(6047200)
- 作品数：1 被引量：4H指数：1
- 相关作者：张虹蔡金燕薛嘉马飒飒更多>>
- 相关机构：西安卫星测控中心中国人民解放军军械工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于群智能的连续优化算法研究被引量：4
- 2009年
- 在对蚁群优化算法(ACO)和粒子群优化算法(PSO)进行分析的基础上,提出一种解决函数连续优化的群智能混合策略——CA-PSO。在求解过程中,首先对解空间进行区域划分,进而利用ACO在优化初期具备的快速收敛性能,在整个解空间内搜索最优解的敏感区域。然后利用蚁群的搜索结果初始化PSO粒子,利用PSO快速和全局收敛性进行所在小区域内的搜索。种群更新时根据蚁群的拓扑结构和小区域间的阶跃规则,蚁群不断向最优解敏感区域聚集,使得敏感区域内粒子数增加,则局部的PSO搜索策略可以更细密的搜索最优。实例结果表明,CA-PSO既能保证解的分布性与多样性,又避免了在多峰值函数寻优过程中陷入局部最优解而停止运算,最终将收敛到全局最优解。
- 薛嘉蔡金燕马飒飒张虹
- 关键词：蚁群优化算法粒子群优化算法群集智能拓扑结构
