一种并行微粒群的改进算法

在对标准微粒群算法（PSO）分析的基础上,提出了一种并行微粒群算法（PPSO）。文章详细介绍了该并行算法的流程,它改变了原来子种群之间周期性的通讯,而采用即时更新最优值的方法。仿真结果表明,PPSO在收敛速度和达标率方面有显著的优越性。     

微粒群算法研究与应用分析

微粒群优化算法(PSO)是一种进化计算技术,通过微粒间的相互作用发现复杂搜索空间中的最优区域。本文介绍了微粒群算法的产生,标准微粒群算法及流程,算法参数.围绕微粒群算法的改进形式,算法的应用等方面对微粒群算法的研究现状进行综述。     

微粒群算法参数设置的正交试验分析

微粒群算法(PSO)提出后,由于其优越的性能和易用性而得到了广泛的应用。传统PSO在算法参数设置上主要凭研究者经验进行选择,难免存在主观随意性偏差。采用正交试验设计的方法对PSO算法的w、c_1、c_2参数设置进行试验分析,从而提出较好的参数设置。通过对4个标准测试函数的实验分析,结果显示当w=1、c_1=c_2=3时算法有较好的性能。