...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Cybernetics, IEEE Transactions on >Composite Particle Swarm Optimizer With Historical Memory for Function Optimization
【24h】

Composite Particle Swarm Optimizer With Historical Memory for Function Optimization

机译：具有历史记忆功能的复合粒子群优化器

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Particle swarm optimization (PSO) algorithm is a population-based stochastic optimization technique. It is characterized by the collaborative search in which each particle is attracted toward the global best position (gbest) in the swarm and its own best position (pbest). However, all of particles’ historical promising pbests in PSO are lost except their current pbests. In order to solve this problem, this paper proposes a novel composite PSO algorithm, called historical memory-based PSO (HMPSO), which uses an estimation of distribution algorithm to estimate and preserve the distribution information of particles’ historical promising pbests. Each particle has three candidate positions, which are generated from the historical memory, particles’ current pbests, and the swarm’s gbest. Then the best candidate position is adopted. Experiments on 28 CEC2013 benchmark functions demonstrate the superiority of HMPSO over other algorithms.
机译：粒子群优化（PSO）算法是一种基于种群的随机优化技术。它的特点是协作搜索，其中每个粒子都被吸引到群体中的全局最佳位置（最佳）和其自身的最佳位置（最佳）。但是，除了当前的粒子外，所有粒子在PSO中的历史有希望的粒子都丢失了。为了解决这个问题，本文提出了一种新颖的复合PSO算法，称为基于历史记忆的PSO（HMPSO），该算法使用分布估计算法来估计和保留粒子历史上有希望的最佳分布信息。每个粒子都有三个候选位置，这些位置由历史记忆，粒子当前的最佳状态和群的最佳状态生成。然后采用最佳候选人位置。 28个CEC2013基准功能的实验证明了HMPSO优于其他算法。

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