.png){kind=icon}
返回
Particle swarm optimization algorithm based on teaming behavior
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.113555.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统粒子群优化算法在解决复杂优化问题时存在一些不足，如收敛精度低、收敛速度慢以及易陷入局部最优解。为解决这些问题，本文提出了一种引入团队协作的新粒子群优化算法。具体而言，我们引入了团队协作的概念，将粒子划分为多个团队并选择团队领导者。粒子能够充分利用团队的即时信息来指导搜索过程。团队领导者通过生成信息因子来更新其粒子的搜索方向，从而赋予算法更强的全局搜索能力。团队领导者的位置和行为会影响其他粒子的搜索行为，降低陷入局部最优解的风险。此外，为进一步提高算法效率，我们提出了信息因子和学习因子的自适应调整。该自适应调整机制使算法能够根据问题的特征和当前搜索状态灵活调整参数，进而加速收敛速度并提高收敛精度。为验证所提算法的性能，我们在27个不同测试函数、最短路径问题以及UAV部署的最优SINR值问题上进行了实证分析。实验结果表明，所提算法在收敛精度和收敛速度方面具有明显优势。与其他算法相比，该算法能够更快地找到更优解，并更稳定地收敛至全局最优解。
Keyword:
Teaming behavior
Information factor
Self-adaptive modification
Particle swarm optimization algorithm
期刊
K
IF:
7.6
论文数:
1.2W
被引数:
4.5W
机构
暂无机构信息
引用论文
.png){kind=icon}
Major Advances in Particle Swarm Optimization: Theory, Analysis, and Application粒子群优化的主要进展: 理论，分析和应用
PREAI
分享收藏Adaptive knowledge transfer-based particle swarm optimization for constrained multitask optimization基于自适应知识转移的粒子群算法求解约束多任务优化问题
PREAI
分享收藏分享收藏Self-Adaptive Particle Swarm Optimization for Large-Scale Feature Selection in Classification自适应粒子群算法在大规模分类特征选择中的应用
OAAI
OAAI分享收藏Cooperative coevolutionary multi-guide particle swarm optimization algorithm for large-scale multi-objective optimization problems求解大规模多目标优化问题的协同进化多引导粒子群算法
PREAI
分享收藏
查看更多内容