您的位置： 专家智库 > >

张培颂

作品数：4 被引量：11H指数：2
供职机构：四川大学计算机学院更多>>
发文基金：国家自然科学基金国家教育部博士点基金国家科技支撑计划更多>>
相关领域：自动化与计算机技术环境科学与工程更多>>

合作作者

文献类型

  • 4篇中文期刊文章

领域

  • 3篇自动化与计算...
  • 1篇环境科学与工...

主题

  • 4篇群算法
  • 4篇子群
  • 4篇粒子群
  • 4篇粒子群算法
  • 3篇搜索
  • 2篇分层搜索
  • 2篇并行粒子群算...
  • 1篇优化算法
  • 1篇重分布
  • 1篇粒子群优化
  • 1篇粒子群优化算...
  • 1篇基于搜索

机构

  • 4篇四川大学

作者

  • 4篇张培颂
  • 3篇徐开阔
  • 3篇唐常杰
  • 2篇丁鑫鑫
  • 1篇乔少杰
  • 1篇刘齐宏
  • 1篇曾涛
  • 1篇蒋玉明
  • 1篇苏辉
  • 1篇龚燕
  • 1篇白兰东
  • 1篇宋美娇

传媒

  • 3篇四川大学学报...
  • 1篇计算机应用研...

年份

  • 1篇2009
  • 1篇2008
  • 2篇2007
共 4 条 记 录，以下是 1-4
全选 清除 导出
排序方式：
基于搜索空间划分和Sharing函数的粒子群优化算法被引量：4
2007年
传统粒子群优化算法PSO(Particle Swarm Optimization)概念简单,适应性强,但存在早熟等问题.本文提出了新的基于搜索空间划分(Search Space Division)和Sharing函数的智能分布粒子群优化算法(SDSIR-PSO).创新点包括:(1)保优的重布粒子算法;(2)引入Sharing函数阻止重分布的粒子陷入同一局部最优;(3)划分搜索空间,子空间中寻优,再优中选优,作全局最优.通过对典型测试函数的详细测试验证了新算法的有效性,在相同条件下较传统算法的解精度提高了80%以上,并有效避免了早熟,提高了收敛速度.
苏辉唐常杰乔少杰徐开阔张培颂宋美娇
关键词：粒子群算法
基于最佳粒子共享和分层搜索的并行粒子群优化算法被引量：4
2008年
为提高粒子群优化算法在优化问题中的效率,本文提出了并行粒子群优化算法(BLP-SO).基本思想是并行机制+最佳粒子共享+分层搜索.主要工作包括(1)信息共享机制中引入了区域学习,使粒子更新能参考其他粒子的信息;(2)提出了粒子群两层划分模型,底层利于扩大搜索范围,上层利于全局精细搜索;(3)证明了关于粒子群和并行粒子群收敛性定理;(4)在4个基准函数上的优化实验表明,新方法比经典的IPPSO并行粒子群算法在解的精度上提高了51.93%到96.10%.
丁鑫鑫唐常杰曾涛张培颂徐开阔刘齐宏
关键词：并行粒子群算法分层搜索
基于分区和分层搜索的并行粒子群算法被引量：2
2009年
为提高粒子群优化算法在优化问题中的效率,提出了并行粒子群优化算法(SLPSO)。其基本思想是并行机制+解空间压缩+分层搜索。主要工作包括:搜索空间划分为n个区,由n个子群并行搜索,将搜索结果最好的作为指定的搜索空间,即将搜索空间缩小到原解空间的(1/n);提出了粒子群两层划分模型,底层利于扩大搜索范围,上层利于全局精细搜索。在四个基准函数上的优化实验表明,新方法比经典的IPPSO并行粒子群算法在解的精度上提高了80.37%。
龚燕蒋玉明张培颂
关键词：并行粒子群算法分层搜索
基于划分和重分布的粒子群算法及优化策略被引量：1
2007年
提出了一种新的基于划分和重分布的粒子群优化算法.新算法将粒子划分为普通和优化两类.普通粒子随机产生,速度快,侧重全局搜索;优化粒子紧随群体最优并且速度较慢,侧重局部收敛,以提高收敛精度.当群体最优未发生变更的时间过长时,在保持群体最优的同时将粒子重新分布,以摆脱过早的局部收敛.对典型函数的测试结果表明,新算法没有增加复杂度,在摆脱解的早熟和提高解的收敛精度等方面优于基本粒子群算法.
张培颂唐常杰丁鑫鑫徐开阔白兰东
关键词：粒子群算法重分布
全选 清除 导出
共1页<1>
聚类工具0