• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on swarm intelligence >Hybrid Comprehensive Learning Particle Swarm Optimizer with Adaptive Starting Local Search
【24h】

Hybrid Comprehensive Learning Particle Swarm Optimizer with Adaptive Starting Local Search

机译：具有自适应起始局部搜索的混合型综合学习粒子群优化器

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Particle Swarm Optimization (PSO) offers efficient simultaneous global and local searches but is challenged with the problem of slow local convergence. To address this issue, a hybrid comprehensive learning PSO algorithm with adaptive starting local search (ALS-HCLPSO) is proposed. Determining when to start local search is the main of ALS-HCLPSO. A quasi-entropy index is innovatively utilized as the criterion of population diversity to depict an aggregation degree of particles and to ascertain whether the global optimum basin has been explored. This adaptive strategy ensures the proper starting of local search. The test results on eight multimodal benchmark functions demonstrate the performance superiority of ALS-HCLPSO. And comparison results on six advanced PSO variants further test the validity and superiority of ALS-HCLPSO algorithm.
机译：粒子群优化（PSO）可提供高效的同时全局和局部搜索，但面临局部收敛速度慢的问题。为了解决这个问题，提出了一种具有自适应起始局部搜索的混合式综合学习PSO算法（ALS-HCLPSO）。确定何时开始本地搜索是ALS-HCLPSO的主要任务。拟熵指数被创新地用作人口多样性的标准，以描绘颗粒的聚集程度并确定是否已探索了全球最佳盆地。这种自适应策略可确保正确启动本地搜索。对八个多峰基准功能的测试结果证明了ALS-HCLPSO的性能优越性。六个高级PSO变体的比较结果进一步检验了ALS-HCLPSO算法的有效性和优越性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号