.png){kind=icon}
返回
A modified particle swarm optimization using adaptive strategy
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2020.113353.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在专家系统中，复杂的优化问题通常是非线性的，非凸的，多峰的和不连续的。粒子群优化 (PSO) 作为一种高效、简单的优化算法，已被广泛应用于解决专家系统中的各种实际优化问题。但是，避免过早收敛并平衡PSO的全局勘探和本地开发能力仍然是一个开放的问题。为了克服这些缺点，增强粒子群算法求解复杂优化问题的能力，提出了一种基于自适应策略的改进粒子群算法MPSO。在MPSO中，为了很好地平衡PSO的全局探索和局部开发能力，提出了一种基于混沌的非线性惯性权重。同时，为了避免过早收敛，采用随机和主流学习策略。最后，采用自适应位置更新策略和终端替换机制来增强PSO解决专家系统中复杂优化问题的能力。利用30个复杂的CEC2017基准函数来验证MPSO的良好性能，实验结果和统计分析表明，与16个最先进的算法相比，MPSO具有竞争性能。MPSO的源代码在 https://github.com/lhustl/MPSO. 提供(C) 2020爱塞唯尔有限公司版权所有。
Keyword:
Particle swarm optimization
Chaos
Stochastic learning
Mainstream learning
Adaptive strategy
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
A tri-level optimization model to mitigate coordinated attacks on electric power systems in a cyber-physical environment网络物理环境下缓解电力系统协同攻击的三层优化模型.png)
APPLIED ENERGY
OAAI
APPLIED ENERGYIF11
OAAI分享收藏A Feature Selection Method Based on Hybrid Improved Binary Quantum Particle Swarm Optimization基于混合改进二进制量子粒子群的特征选择方法IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Comprehensive learning particle swarm optimizer for global optimization of multimodal functions
PREAI
分享收藏A hybrid binary particle swarm optimization with tabu search for the set-union knapsack problem
PREAI
分享收藏A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms关于使用非参数统计检验作为比较进化和群体智能算法的方法的实用教程
PREAI
分享收藏An improved hybrid ant particle optimization (IHAPO) algorithm for reducing travel time in VANETs
PREAI
分享收藏
查看更多内容