基于不确定知识的粒子群优化算法
来源期刊：控制与决策2011年第12期
论文作者：梅从立 刘国海
文章页码：1851 - 3714
关键词：粒子群优化算法;不确定知识;收敛性分析;
摘 要：针对标准粒子群优化算法（PSO）速度更新方程存在随机参数,使得粒子获取知识存在不完备性的问题,将不确定知识引入PSO算法中,并对个体知识、群体知识和不确定知识随机参数进行了归一化,保证算法在每一步演化中都能获得完备知识.理论分析给出了PSO-UK算法局部收敛参数条件,并证明了其具有全局优化性能.经典测试函数实验表明,所提出的PSO-UK算法具有全局搜索能力,且局部收敛精度明显优于PSO算法.
梅从立，刘国海
江苏大学电气信息工程学院
摘 要：针对标准粒子群优化算法（PSO）速度更新方程存在随机参数,使得粒子获取知识存在不完备性的问题,将不确定知识引入PSO算法中,并对个体知识、群体知识和不确定知识随机参数进行了归一化,保证算法在每一步演化中都能获得完备知识.理论分析给出了PSO-UK算法局部收敛参数条件,并证明了其具有全局优化性能.经典测试函数实验表明,所提出的PSO-UK算法具有全局搜索能力,且局部收敛精度明显优于PSO算法.
关键词：粒子群优化算法;不确定知识;收敛性分析;
