基于适应度反馈作用的PSO算法改进

doi:10.3969/j.issn.1000-3428.2012.22.036

计算机工程 ›› 2012, Vol. 38 ›› Issue (22): 146-150. doi: 10.3969/j.issn.1000-3428.2012.22.036

基于适应度反馈作用的PSO算法改进

姜伟，王宏力，何星，陆敬辉

(第二炮兵工程大学303室，西安 710025)

收稿日期:2012-01-09 修回日期:2012-03-19 出版日期:2012-11-20 发布日期:2012-11-17
作者简介:姜伟(1989－)，男，硕士研究生，主研方向：智能优化；王宏力，教授、博士；何星、陆敬辉，博士研究生

Improvement of PSO Algorithm Based on Fitness Feedback Effect

JIANG Wei, WANG Hong-li, HE Xing, LU Jing-hui

(Room 303, The Second Artillery Engineering University, Xi’an 710025, China)

Received:2012-01-09 Revised:2012-03-19 Online:2012-11-20 Published:2012-11-17

摘要/Abstract

摘要： 粒子群优化算法的收敛速度较慢、精度较低、稳定性欠佳。为此，提出一种基于适应度反馈作用的改进粒子群优化算法。在运行过程中，根据粒子相邻2次迭代的适应度变化，对适应度变化值归一化处理后，将其反馈给惯性权重，以削弱粒子寻优过程中的适应度振荡幅度，增强粒子群跳出局部最优的能力。测试结果表明，该算法的全局搜索能力得到提高，具有较高的收敛速度和稳定性。

关键词: 粒子群优化, 适应度, 反馈, 振荡, 惯性测量组合

Abstract: According to the low convergence speed, poor accuracy and stability of Particle Swarm Optimization(PSO) algorithm, an improved PSO algorithm based on fitness feedback effect is proposed in this paper. By calculating and normalizing the variances of fitness in the neighboring iterations and then imposing feedback on inertial weights, the fitness oscillation is weakened and the ability of avoiding local-optimization is enhanced during the optimizing process. Test results show that the global search ability is improved, and this algorithm has high convergence speed and stability.

Key words: Particle Swarm Optimization(PSO), fitness, feedback, oscillation, Inertia Measurement Unit(IMU)

中图分类号:

TP301.6

姜伟, 王宏力, 何星, 陆敬辉. 基于适应度反馈作用的PSO算法改进[J]. 计算机工程, 2012, 38(22): 146-150.

JIANG Wei, WANG Hong-Li, HE Xing, LIU Jing-Hui. Improvement of PSO Algorithm Based on Fitness Feedback Effect[J]. Computer Engineering, 2012, 38(22): 146-150.

http://www.ecice06.com/CN/Y2012/V38/I22/146

参考文献

[1] Eberhart R, Kennedy J. A New Optimizer Using Particle Swarm Theory[C]//Proc. of the 6th International Symposium on Micro Machine and Human Science. [S. l.]: IEEE Press, 1995.
[2] Shi Yuhui, Eberhart R. A Modified Particle Swarm Optimizer[C]// Proc. of IEEE Congress on Evolutionary Computation. [S. l.]: IEEE Press, 1998.
[3] Shi Yuhui, Eberhart R C. Empirical Study of Particle Swarm Optimization[C]//Proc. of IEEE Congress on Evolutionary Computation. [S. l.]: IEEE Press, 1999.
[4] Shi Yuhui, Eberhart R. C. Fuzzy Adaptive Particle Swarm Optimization[C]//Proc. of IEEE Congress on Evolutionary Computation. San Francisco, USA: IEEE Press, 2001.
[5] Eberhart R C, Shi Yuhui. Tracking and Optimizing Dynamic Systems with Particle Swarms[C]//Proc. of IEEE Congress on Evolutionary Computation. San Francisco, USA: IEEE Press, 2001.
[6] 陈贵敏, 贾建援, 韩琪. 粒子群优化算法的惯性权值递减策略研究[J]. 西安交通大学学报, 2006, 40(1): 53-56.
[7] 吕振肃, 侯志荣. 自适应变异的粒子群优化算法[J]. 电子学报, 2004, 32(3): 416-420.
[8] 邬啸. 一种对粒子群优化算法惯性权重的改进[J]. 计算机时代, 2010, (10): 25-27.
[9] 张选平, 杜玉平, 秦国强, 等. 一种动态改变惯性权值的自适应粒子群优化算法[J]. 西安交通大学学报, 2005, 39(10): 1039- 1042.
[10] Eberhart R C, Kennedy J. A Discrete Binary Version of the Particle Swarm Optimization[C]//Proc. of World Multiconference on Systemics, Cybernetics and Informatics. [S. l.]: IEEE Press, 1997.
[11] Afshinmanesh F, Marandi A. A Novel Binary Particle Swarm Optimization Method Using Artificial Immune System[C]//Proc. of EUROCON’05. [S. l.]: IEEE Press, 2005.
[12] Cai Jiejin, Ma Xiaoqian, Li Lixiang, et al. Chaotic Particle Swarm Optimization for Economic Dispatch Considering the Generator Constraints[J]. Energy Conversion and Management, 2007, 48(2): 645-653.
[13] 龚纯, 王正林. 精通MATLAB最优化计算[M]. 北京: 电子工业出版社, 2009.
[14] 王宏力, 侯青剑. 一种改进的粒子群优化算法及其仿真[J]. 自动化仪表, 2009, 30(7): 28-30.
[15] 王宏力, 张忠泉, 宋涛, 等. 基于改进PSO算法的实时故障监测诊断测试集优化[J]. 系统工程与电子技术, 2011, 33(4): 958-962.
[16] Luo Youxin, Che Xiaoyi. Chaos Immune Particle Swarm Optimization Algorithm with Hybrid Discrete Variables and Its Application to Mechanical Optimization[C]//Proc. of the 3rd International Symposium on Intelligent Information Technology Application Workshops. [S. l.]: IEEE Press, 2009.
[17] 陈希祥, 邱静, 刘冠军. 基于混合二进制粒子群-遗传算法的测试优化选择研究[J]. 仪器仪表学报, 2009, 30(8): 1674-1680.
[18] David H W, William G M. No Free Lunch Theorems for Optimization[J]. IEEE Transactions on Evolutionary Computation, 1997, 1(1): 67-82.

选择文件类型/文献管理软件名称

选择包含的内容

基于适应度反馈作用的PSO算法改进

Improvement of PSO Algorithm Based on Fitness Feedback Effect

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	桑永宣, 魏江坡, 王博, 宋莹. 具有边缘缓存机制的混合启发式任务卸载算法[J]. 计算机工程, 2023, 49(4): 149-158.
[2]	潘乐, 李弼程, 万旺, 曾荣燊. 基于关系强度理论与反馈机制的信息传播动态网络表示[J]. 计算机工程, 2023, 49(2): 246-253.
[3]	窦允冲, 侯进, 曾雷鸣, 陈子锐. 基于反馈机制与空洞卷积的道路小目标检测网络[J]. 计算机工程, 2023, 49(1): 287-294.
[4]	李晨曦, 任建国. 基于点对群网络反馈机制的恶意代码传播模型[J]. 计算机工程, 2023, 49(1): 163-172.
[5]	孙扬威, 戚湧. 基于聚类混合采样与PSO-Stacking的车载CAN入侵检测方法[J]. 计算机工程, 2023, 49(1): 138-145.
[6]	郭梦琰, 张娟, 刘巧红, 蔡立志. 基于循环生成对抗网络的图像去雾算法[J]. 计算机工程, 2022, 48(3): 280-287.
[7]	楼鑫杰, 李小薪, 刘志勇. 基于反馈机制的图像超分辨率重建算法[J]. 计算机工程, 2022, 48(2): 261-267.
[8]	都繁杰, 李静, 郭志勇, 任颖文, 尹晓宇, 董小菱. 基于瓶颈感知的多级反馈队列Coflow调度机制[J]. 计算机工程, 2022, 48(10): 193-201,211.
[9]	杜秀丽, 周敏, 吕亚娜, 邱少明. 基于RBF神经网络优化的装备保障系统效能评估[J]. 计算机工程, 2021, 47(9): 282-287,296.
[10]	李有红, 王学军, 谌裕勇, 赵跃龙, 徐文贤. 一种融合邻边属性的个人社交网络社区发现算法[J]. 计算机工程, 2021, 47(7): 81-87.
[11]	王改云, 陆家卓, 焦傲, 郭智超, 张琦. 混沌粒子群鸡群融合优化的RSSI质心定位算法[J]. 计算机工程, 2021, 47(6): 197-202.
[12]	赵启超, 杨余旺, 谢勇盛, 汤小芳, 李操. 密集MANET下MPR的改进蚁群优化算法研究[J]. 计算机工程, 2021, 47(4): 135-140,172.
[13]	刘鹏飞, 杜欣军. 基于加权反馈三维混沌系统的调制跳变通信[J]. 计算机工程, 2021, 47(3): 183-189,195.
[14]	刘锡泽, 范红, 海涵, 王鑫城, 许武军, 倪林. 基于密集反馈网络的单幅图像超分辨率重建[J]. 计算机工程, 2021, 47(11): 254-261.
[15]	王桂林, 徐勇. 基于半张量积方法的时滞演化拥塞博弈镇定[J]. 计算机工程, 2020, 46(7): 300-305.

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于适应度反馈作用的PSO算法改进

Improvement of PSO Algorithm Based on Fitness Feedback Effect

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价