一种自适应惯性权重的粒子群优化算法

陈占伟; 李骞

Chinese

您当前的位置：

首页 >

文章列表页 >

一种自适应惯性权重的粒子群优化算法

更新时间：2026-09-04

- 一种自适应惯性权重的粒子群优化算法
- Adaptive Particle Swarm Optimization Algorithm with Dynamically Changing Inertia Weight
- 微电子学与计算机 2011年28卷第3期页码：27-30
- 作者机构：
  
  周口师范学院机构计算机科学系,河南,周口,466001
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2011
- 稿件说明：
移动端阅览
陈占伟, 李骞. 一种自适应惯性权重的粒子群优化算法[J]. 微电子学与计算机, 2011, 28(3): 27-30.

CHEN Zhan-wei, LI Qian. Adaptive Particle Swarm Optimization Algorithm with Dynamically Changing Inertia Weight[J]. 2011, 28(3): 27-30.
陈占伟, 李骞. 一种自适应惯性权重的粒子群优化算法[J]. 微电子学与计算机, 2011, 28(3): 27-30. DOI：

CHEN Zhan-wei, LI Qian. Adaptive Particle Swarm Optimization Algorithm with Dynamically Changing Inertia Weight[J]. 2011, 28(3): 27-30. DOI：

摘要

为较好平衡粒子群算法中全局搜索能力与局部搜索能力

分析了PSO算法中的惯性权重与种群规模、粒子适应度以及搜索空间维度的关系

并把粒子惯性权重定义为这三者的函数.通过在每次迭代后更新每个粒子的惯性权重

实现了自适应调整全局搜索能力与局部搜索能力

并结合动态管理种群的策略提出了改进的粒子群算法.通过在多个常用测试函数上与已有惯性权重调整算法测试比较

证明新算法具有较强的全局寻优能力与较高的搜索效率.

Abstract

In order to get a better balance between global search ability and local search capabilities in the particle swarm algorithm

analyzed the relationship between inertia weight and the particle fitness

the population size and dimensions of the searching space

and constructed a function between them. After each iteration

updated the inertia weight of each particle as to achieved a self-adaptive adjustment of global search ability and local search capabilities. A new improved particle swarm optimization is brought up combined with population dynamic management strategy. The searching result of some standard testing functions proved that the new algorithm have a stronger global optimization capability and a higher search efficiency.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多尺度融合与小目标增强的航拍车辆检测算法

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究

大模型发展综述：从BERT到Deepseek的技术演进

基于反向体偏置的高增益稳定性高温运放设计

超低功耗实时时钟电路的设计