您的位置: 专家智库 > >

余庆

作品数:2 被引量:27H指数:2
供职机构:南昌工程学院信息工程学院江西省水信息协同感知与智能处理重点实验室更多>>
发文基金:国家自然科学基金江西省自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇优化算法
  • 2篇子群
  • 2篇粒子群
  • 2篇粒子群优化
  • 2篇粒子群优化算...
  • 1篇搜索
  • 1篇全局搜索
  • 1篇群算法
  • 1篇人工蜂群
  • 1篇人工蜂群算法
  • 1篇自适
  • 1篇自适应
  • 1篇自适应策略
  • 1篇蜂群算法

机构

  • 2篇南昌工程学院
  • 1篇南昌航空大学

作者

  • 2篇孙辉
  • 2篇余庆
  • 1篇朱德刚
  • 1篇赵嘉
  • 1篇李冰

传媒

  • 1篇计算机应用
  • 1篇南昌工程学院...

年份

  • 1篇2015
  • 1篇2014
2 条 记 录,以下是 1-2
排序方式:
基于高斯扰动的粒子群优化算法被引量:24
2014年
针对标准粒子群优化(PSO)算法易陷入局部最优、进化后期收敛速度慢和收敛精度低的缺点,提出一种基于高斯扰动的粒子群优化算法。该算法采用对粒子个体最优位置加入高斯扰动策略,有效地防止算法陷入局部最优,加快收敛并提高收敛精度。在固定评估次数的情况下,对8个常用的经典基准测试函数在30维上进行了仿真。实验结果表明,所提算法在收敛速度和寻优精度上优于一些知名的粒子群优化算法。
朱德刚孙辉赵嘉余庆
关键词:粒子群优化算法全局搜索
一种改进的粒子群与人工蜂群融合算法被引量:3
2015年
针对标准的粒子群算法和人工蜂群算法收敛性能差、在复杂优化问题易陷入局部最优的缺点,提出了一种改进的融合算法.改进融合算法拥有双种群并行进化,其中粒子群采用改进的反向学习策略,以增加群体的多样性;蜂群中跟随蜂根据个体停滞次数,自适应地改变进化策略,以平衡全局探索与局部开发能力.同时算法将交替共享两个种群的全局最优位置,通过相互引导使融合算法具有更好的寻优能力.8个经典函数和CEC2013的8个复合函数的实验结果表明,与最新的一些改进粒子群和人工蜂群算法相比,该算法的收敛速度和收敛精度均有较显著的优势.
余庆李冰孙辉张绍泉
关键词:粒子群优化算法人工蜂群算法自适应策略
共1页<1>
聚类工具0