• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Knowledge Creation and Intelligent Computing >Multi-group particle swarm optimization with random redistribution
【24h】

Multi-group particle swarm optimization with random redistribution

机译：多组粒子群优化随机重新分布

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) is fast and popular algorithm to find the optimum value of non-linear and multi-dimensional function. However, it often easily trapped into local optima because the particles move closer to the best particle quickly. This paper purposes a new algorithm called Multi-Group Particle Swarm Optimization with Random Redistribution (MGRR-PSO) that tried to solve the weakness of standard PSO. MGRR-PSO combines two groups of PSO with opposite acceleration coefficients. In addition, some particles are redistributed when they are trapped in local optima. Experimental studies on 5 benchmark functions with 50-dimensions and 100-dimensions show that the MGRR-PSO can solve the problems that can't be solved by original PSO with better performance.
机译：粒子群优化（PSO）是快速和流行的算法，以找到非线性和多维功能的最佳值。然而，它通常很容易被困到局部Optima中，因为颗粒快速地移动到最佳粒子。本文目的是一种新的算法，称为多组粒子群优化，随机重新分布（MGRR-PSO），试图解决标准PSO的弱点。 MGRR-PSO将两组PSO与相反的加速度系数相结合。此外，当它们被捕获在本地最佳APOXA时，重新分配一些颗粒。有关50维和100维的5个基准函数的实验研究表明，MGRR-PSO可以解决原始PSO无法解决具有更好性能的问题。

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