张培颂 作品数:4 被引量:11 H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>>
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