-
题名遗传算法和粒子群优化算法的性能对比分析
被引量：51
- 1
-
-
作者
张鑫源
胡晓敏
林盈
-
机构
中山大学电子与通信工程系
中山大学公共卫生学院卫生信息研究中心广东省卫生信息学重点实验室
中山大学心理学系
-
出处
《计算机科学与探索》
CSCD
2014年第1期90-102,共13页
-
基金
国家自然科学基金 Nos.61202130,61309003
广东省自然科学基金 No.S2012040007948
+1 种基金
中央高校基本科研业务费专项资金No.12lgpy47
高等学校博士学科点专项科研基金No.20120171120027~~
-
文摘
遗传算法与粒子群优化算法作为经典的进化计算方法已经被广泛地应用于函数优化、生产调度、机器学习和数据挖掘等领域。对这两种经典算法在求解不同问题时的性能进行了系统的对比和分析,比较了两种算法在求解单峰和多峰问题上的性能差异。进一步对算法的健壮性进行了测试,分析了算法运行过程中参数对算法性能的影响。最终总结出两种算法的性能特点,并讨论了算法的改进策略,旨在为工程应用中的算法选择提供技术参考。
-
关键词
遗传算法
粒子群优化算法
单峰
多峰
性能对比
-
Keywords
genetic algorithm
particle swarm optimization
unimodal
multimodal
performance comparison
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名差分演化算法各种更新策略的对比分析
被引量：12
- 2
-
-
作者
刘琛
林盈
胡晓敏
-
机构
中山大学电子与通信工程系
中山大学心理学系
中山大学公共卫生学院卫生信息研究中心广东省卫生信息学重点实验室
-
出处
《计算机科学与探索》
CSCD
2013年第11期983-993,共11页
-
基金
国家自然科学基金
广东省自然科学基金
+1 种基金
中央高校基本科研业务费专项资金
高等学校博士学科点专项科研基金~~
-
文摘
差分演化算法(differential evolution,DE)是一种模拟生物演化过程的随机搜索方法,具有收敛速度快,鲁棒性好等优点。目前DE有多种交叉和变异策略,它们在求解各类优化问题时表现出各自不同的性能。介绍了10种差分演化算法的更新策略,并利用标准测试函数集对它们进行了全面与系统的实验比较。通过分析采用这些策略的DE算法在不同解空间及进化各阶段的收敛曲线特点,对比总结了不同版本的DE算法在各类环境下的搜索性能。该研究一方面能够为DE算法的实际应用提供技术指导,帮助学者选择合适的DE更新策略以更好地解决工程问题;另一方面能够为新型DE更新策略的开发和自适应DE算法的设计提供理论基础。
-
关键词
差分演化算法(DE)
演化模式
更新策略
演化计算
全局优化
-
Keywords
differential evolution （DE）
evolutionary variants
update strategies
evolutionary computation
globaloptimization
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名多种群多策略的并行差分进化算法
被引量：10
- 3
-
-
作者
陈颖
林盈
胡晓敏
-
机构
中山大学计算机科学系
中山大学心理学系
中山大学公共卫生学院卫生信息研究中心广东省卫生信息学重点实验室
-
出处
《计算机科学与探索》
CSCD
2014年第12期1502-1510,共9页
-
基金
国家自然科学基金
广东省自然科学基金
+1 种基金
中央高校基本科研业务费专项资金
高等学校博士学科点专项科研基金~~
-
文摘
为了更好地提高并行差分进化算法的求解精度和计算效率,实现适用于解决多种优化问题的鲁棒性算法,提出了一种多种群多策略的并行差分进化算法。该算法将种群划分为多个子种群,不同的子种群分别采用不同的差分进化策略。多个子种群各自独立进化,互不干扰,每隔一定代数才进行种群间的通信交流。通过利用多种群实现多种优化策略,并采用并行方式,使得算法可以采用不同的优化策略进行搜索,更加节省计算时间。数值实验结果表明,该算法在求解不同类型的优化问题时都具有良好的计算能力和效率。
-
关键词
多种群
多策略
并行
差分进化
-
Keywords
multi-population
multi-strategy
parallel
differential evolution
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名引入测评机制的综合学习粒子群优化算法
- 4
-
-
作者
喻雪
胡晓敏
林盈
-
机构
中山大学信息科学与技术学院
中山大学公共卫生学院卫生信息研究中心广东省卫生信息学重点实验室
中山大学心理学院
-
出处
《计算机工程与设计》
北大核心
2015年第3期753-758,共6页
-
基金
国家自然科学基金项目(61379061
61309003
+6 种基金
61202130
61379060)
国家自然科学基金-广东省联合基金重点项目(U1201258
U1135005)
广东省自然科学基金项目(S2012040007948)
中央高校基本科研业务费专项基金项目(12lgpy47)
高等学校博士学科点专项科研基金项目(20120171120027)
-
文摘
综合学习粒子群算法(CLPSO)能够改善粒子群算法多样性差且易局部收敛的问题,相比传统PSO算法能够一定程度避免算法早熟,但却存在收敛速度慢的问题。对此,提出一种CLPSO的改进算法(CLPSO-II),为每个粒子随机构造两个学习粒子,引入测评机制,择优学习。实验结果表明,CLPSO-II能有效提高CLPSO的搜索效率,在处理多峰函数时,其性能优于传统粒子群算法(PSO)、全面学习粒子群算法(FIPS)和综合学习粒子群算法(CLPSO)。
-
关键词
多峰函数
粒子群算法
全面学习粒子群算法
综合学习粒子群算法
CLPSO-II
-
Keywords
multimodal functions
particle swarm optimization
fully informed particle swarm
comprehensive learning particle swarm optimization
CLPSO-II
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
