聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽聽 首页聽|聽简介聽|聽编委会聽|聽征稿简则聽|聽英文刊聽|聽稿件流程聽|聽致读者聽|聽下载区聽|聽常见问题说明
基于蚁群系统的参数自适应粒子群算法及其应用
Particle swarm optimization algorithm of self-adaptive parameter based on ant system and its application
摘要点击聽83聽聽全文点击聽580聽聽投稿时间:2009/2/18聽聽最后修改时间:2010/1/15
查看全文聽聽查看/发表评论聽聽下载PDF阅读器
DOI编号聽聽
聽聽2010,27(11):1479-1488
中文关键词聽聽粒子群算法聽聽蚁群算法聽聽参数自适应聽聽进化计算
英文关键词聽聽particle swarm optimization algorithm聽聽ant colony algorithm聽聽parameter self-adaption聽聽evolutionary computation
基金项目聽聽国家自然科学基金资助项目(20776042); 国家“863”计划资助项目(2007AA04Z164); 上海市重点学科建设资助项目(B504); 教育部博士点基金资助项目(20090074110005); 上海市曙光计划资助项目(09SG29); 教育部新世纪优秀人才资助项目(NCET–09–0346).
学科分类代码聽聽
作者单位E-mail
杨帆华东理工大学 化工过程先进控制和优化技术教育部重点实验室
胡春平上海核工程研究设计院
颜学峰华东理工大学 化工过程先进控制和优化技术教育部重点实验室xfyan@ecust.edu.cn
中文摘要
聽聽聽聽聽聽为了解决粒子群算法惯性权重自适应问题, 提出一种基于蚁群系统的惯性权重自适应粒子群算法(ASPSO). AS-PSO首先将惯性权重取值区间离散化, 各个惯性权重子区间在初期赋予相同的信息素; 然后, 粒子群算法中的各个粒子, 根据各个惯性权重子区间中的信息素浓度和粒子在搜索空间中分布的先验知识, 确定各个惯性权重子区间的选择概率, 并进而实现粒子的空间搜索; 最后, 基于粒子的进化信息, 实现惯性权重子区间信息素浓度的更新. 仿真研究表明, AS-PSO算法在种群进化寻优的同时, 能根据种群的进化信息, 通过蚁群算法实现惯性权重参数的自适应调整和进化, 且不增加测试函数的调用次数; 算法寻优性能优于传统的自适应粒子群算法和根据速度信息自适应调整参数的粒子群算法. 同时, 算法实际应用于复杂系统模型参数的优化估计, 获得满意结果.
英文摘要
聽聽聽聽聽聽To adjust the inertia weight in particle swarm optimization(PSO), we propose a novel self-adaptive particle swarm optimization algorithm based on ant system(AS-PSO). First, the inertia weight space is divided into several regions; each of them is given the same initial intensity of pheromone trails. The probability for selecting a parameter region for each particle is determined by the intensity of the region pheromone trails and the particle’s a priori knowledge of the search space. The evolution search is then performed in spaces of solutions. Finally the trail of the regions is updated according to the information of evolution. Experiments indicate that the promising AS-PSO algorithm realizes the evolution and the selfadaptation of the inertia weight by ant colony algorithm without increasing the function calls in evaluation. Results show that AS-PSO obviously outperforms the original self-adaptive PSO and the APSO-VI, in which the parameter is adjusted according to the velocity information. Furthermore, satisfactory results have been obtained when AS-SPO algorithm is applied to estimate the parameter of complex system models.
 
  聽聽聽聽聽聽聽聽聽 您是第725039位访问者  

主办单位:华南理工大学 中国科学院数学与系统科学研究院聽聽聽聽聽 单位地址:广州市天河区五山路381号

服务热线:020-87111464聽聽 传真:020-87111464聽聽 邮编:510640 聽聽Email: aukzllyy@scut.edu.cn
 

聽聽聽聽本系统由北京勤云科技发展有限公司设计聽聽京ICP备09084417号
美女图片