• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2008高等智能国际会议（2008 International Conference on Advanced Intelligence）论文集 >A New Particle Swarm Optimization Based on Differential Dimension Coefficient
【24h】

A New Particle Swarm Optimization Based on Differential Dimension Coefficient

机译：基于微分维系数的粒子群算法

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

摘要

The particle swarm optimization (PSO) algorithm has exhibited good performance on well-known numerical test problems. But PSO suffers from premature convergence on multimodal test problems. J.Rige introduce Diversity-Guided Particle Swarm Optimizer (ARPSO) to improve the performance on multimodal function. As is analyzed below, test functions' gradient and dimension have an important impact on the diversity value in ARPSO evolution formula. We introduce a new PSO called Differential Dimension Guided Particle Swarm Optimization (DDPSO) to improve the performance of PSO on the high order multimodal function. Here we add two coefficients to the evolution formula of ARPSO, One is differential coefficient called dif which is proportioned to the function order. The other is dimension coefficient called dim. Then we take four benchmark multimodal functions as test function and make two experiments. Results show that DDPSO outperform ARPSO on high order multimodal function especially when the population size is small.
机译：粒子群优化（PSO）算法在众所周知的数值测试问题上表现出良好的性能。但是PSO在多模式测试问题上处于过早收敛的状态。 J.Rige引入了多样性引导粒子群优化器（ARPSO），以提高多峰函数的性能。如下所述，测试函数的梯度和维数对ARPSO演化公式中的多样性值具有重要影响。我们引入了一种新的PSO，称为差分维引导粒子群优化（DDPSO），以提高PSO在高阶多峰函数上的性能。在这里，我们将两个系数添加到ARPSO的演化公式中，一个是称为dif的微分系数，它与函数阶数成正比。另一个是称为暗淡的尺寸系数。然后，我们以四个基准多峰函数为测试函数，并进行了两个实验。结果表明，在高阶多峰函数上，DDPSO优于ARPSO，尤其是在人口规模较小的情况下。

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