.png){kind=icon}
返回
A Deep Backtracking Bare-Bones Particle Swarm Optimisation Algorithm for High-Dimensional Nonlinear Functions
.png){kind=icon}
OA
AI
DOI：10.1049/cit2.70028.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在高维域内优化多模态函数构成了进化计算研究中的一个显著难题。为解决此问题，本研究引入了深度回溯裸骨粒子群优化（DBPSO）算法，这是一种基于深度记忆存储机制（DMSM）和动态记忆激活策略（DMAS）集成的新型方法。DMSM增强了全局最优粒子的记忆保留能力，促进了标准粒子与其历史最优对应粒子之间的交互。与此同时，DMAS确保全局最优粒子的更新位置与深度记忆库适当对齐。DBPSO的有效性通过采用CEC2017基准测试套件的一系列仿真进行了严格评估。比较分析将DBPSO的性能与五种当代进化算法在两种实验条件下进行了对比：50维和100维。在50维试验中，DBPSO的平均排名为2.03，而在100维场景中，该值提升至1.9。进一步的检验采用CEC2019基准函数，揭示了DBPSO的稳健性，其在四个第一、三个第二和三个第三名中占据优势，最终在所有算法中取得了无与伦比的1.9平均排名。这些实证结果证实了DBPSO在为复杂、高维优化挑战提供精确解决方案方面的专长。
Keyword:
artificial intelligence
computational intelligence
optimisation
期刊
IF:
7.3
论文数:
671
被引数:
2.4K
机构
引用论文
Comprehensive learning particle swarm optimizer for global optimization of multimodal functions
PREAI
分享收藏Overlapping community-based particle swarm optimization algorithm for influence maximization in social networks基于重叠社区的社会网络影响力最大化粒子群算法OAAI
OAAI分享收藏Surrogate Sample-Assisted Particle Swarm Optimization for Feature Selection on High-Dimensional Data代理样本辅助粒子群算法在高维数据特征选择中的应用
PREAI
分享收藏Clustering and pattern search for enhancing particle swarm optimization with Euclidean spatial neighborhood search.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容