欢迎来到天天文库
浏览记录
ID:38259231
大小:585.65 KB
页数:4页
时间:2019-05-24
《差分进化粒子群混合优化算法的研究与应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、2382010,46(25)ComputerEngineeringandApplications计算机工程与应用差分进化粒子群混合优化算法的研究与应用11,21杨妍,陈如清,俞金寿11,21YANGYan,CHENRu-qing,YUJin-shou1.华东理工大学自动化研究所,上海2002372.嘉兴学院机电工程学院,浙江嘉兴3140011.ResearchInstituteofAutomation,EastChinaUniversityofScienceandTechnology,Shanghai200237,China2.Coll
2、egeofMechanicalandElectricalEngineering,JiaxingUniversity,Jiaxing,Zhejiang314001,ChinaYANGYan,CHENRu-qing,YUJin-shou.Studyondifferentialevolution-particleswarmoptimizationbasedhybridopti-mizationalgorithmanditsapplication.ComputerEngineeringandApplications,2010,46(25):23
3、8-241.Abstract:ParticleSwarmOptimization(PSO)algorithmandDifferentialEvolution(DE)algorithmareanalyzed.AnovelDif-ferentialEvolution-ParticleSwarmOptimizationbasedhybridoptimizationalgorithm(DEPSO)isproposedbytakingadvan-tageofbothPSOandDE.Theprocedureofoptimizationisdivi
4、dedintotwophasesandtheparticlesaredividedintotwosub-swarms.Onesub-swarmsearchesviaPSOandtheothersearchesviaDEatthesametime.Evolutionspeedfactoroftheswarmisintroducedinthisalgorithmandtwosub-swarmsexchangeinformationineachiterationtoavoidlocaloptimum.Ex-perimentsonfourcom
5、plexfunctionswithhighdimensionshowthattheimprovedalgorithmoutperformstraditionalPSOandDEinrobustness,convergingspeedandprecision,globalsearchingability.Theimprovedalgorithmisappliedtoconstructasoftsensormodelforreal-timemeasuringtheethyleneyield.Applicationresultsshowtha
6、tthismodelhashighpredictionprecisionaswellasgoodgeneralizationability.Keywords:particleswarmoptimization;differentialevolution;hybridoptimizationalgorithm;softsensing摘要:对基本粒子群算法(PSO)和差分进化算法(DE)进行了分析,有机结合两种进化算法提出了一种新型差分进化粒子群混合优化算法,该算法将优化过程分成两阶段,两分群分别采用PSO算法和DE算法同时进行。迭代过程中
7、引入进化速度因子并通过群体间的信息交流阻止算法陷入局部最优。对4个高维复杂函数寻优测试表明算法的鲁棒性、收敛速度和精度,全局搜索能力均优于常规PSO和DE。将提出的改进算法用于乙烯收率软测量建模,应用结果表明模型精度较高、泛化性能较好。关键词:粒子群优化;差分进化;混合优化算法;软测量DOI:10.3778/j.issn.1002-8331.2010.25.069文章编号:1002-8331(2010)25-0238-04文献标识码:A中图分类号:TP2731引言一种高效的并行搜索算法,对其进行理论分析和应用研究具有重要的学术意义和工程
8、价值[3-4]。研究鸟群和鱼群的捕食行为,1995年Eberhart和Kennedy提出了一种基于随机群体的新型智能优化方法——粒子群优差分进化算法在维护群体的多样性及搜索能力方面功能化算法(Particl
此文档下载收益归作者所有