Sigmoid Comprehensive Learning Particle Swarm Optimization

Yu, Xiang

doi:10.3390/math14111854

Sigmoid Comprehensive Learning Particle Swarm Optimization

2026-05-01

0

PRE

AI

DOI：10.3390/math14111854

原文链接

原文求助

摘要

En 中文

作为我们在先前工作中引入的粒子群优化（PSO）变体，自适应综合学习PSO（ACLPSO）依赖于两个关键系数，即区间缩放系数s和概率权衡系数v，以调节维度最大速度和每维学习概率。ACLPSO为这两个系数规定了四组固定值对；然而，不存在原则性的选择标准，迫使实践者在不同问题中手动调整这些值对。本文引入了S形综合学习PSO（SCLPSO），通过定义迭代分配规则来消除这种手动调整的需要，其中s和v根据S形调度演化。SCLPSO还改进了每维学习概率更新方程中的权衡项，以增强探索能力。虽然先前工作仅对十六个经典基准函数评估了ACLPSO和竞争PSO变体，但本文将评估扩展到进化计算大会（CEC）2013多模态测试套件，以更全面地探究泛化能力。实验结果表明，SCLPSO在绝大多数测试函数上识别出全局最优解或近似最优解，并且在任何固定系数对下均持续超越ACLPSO。

Keyword:

particle swarm optimization

comprehensive learning

sigmoid function

CEC2013 multimodal test suite

Sigmoid Comprehensive Learning Particle Swarm Optimization

摘要

期刊

机构

引用论文