• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文OA文献 >Performance Evaluation of Hybrid SKF Algorithms: Hybrid SKF-PSO and Hybrid SKF-GSA
【2h】

Performance Evaluation of Hybrid SKF Algorithms: Hybrid SKF-PSO and Hybrid SKF-GSA

机译：混合SKF算法的性能评估：混合SKF-PSO和混合SKF-GSA

页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper presents a performance evaluation of hybrid Simulated Kalman Filter Gravitational Algorithm (SKF-GSA),udand hybrid Simulated Kalman Filter Particle Swarm Optimization (SKF-PSO), for continuous numerical optimization problems.udSimulated Kalman filter (SKF) was inspired by the estimation capability of Kalman filter. Every agent in SKF is regarded as a Kalman filter. The performance of the hybrid algorithms (SKF-GSA and SKF-PSO) is compared using CEC2014 benchmark dataset for continuous numerical optimization problems. Based on the analysis of experimental results, we found that the SKF-PSO performs the best among all.
机译：本文针对连续数值优化问题，提出了混合模拟卡尔曼滤波引力算法（SKF-GSA）， ud和混合模拟卡尔曼滤波粒子群优化算法（SKF-PSO）的性能评估。 ud模拟卡尔曼滤波器（SKF）受启发卡尔曼滤波器的估计能力。 SKF中的每个代理都被视为卡尔曼滤波器。使用CEC2014基准数据集比较了混合算法（SKF-GSA和SKF-PSO）的性能，以解决连续数值优化问题。通过对实验结果的分析，我们发现SKF-PSO的性能最佳。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利

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