基于拟熵自适应启动局部搜索策略的混合粒子群算法

曹玉莲; 李文锋; 张煜

doi:10.3969/j.issn.0372-2112.2018.01.016

您当前的位置：

首页 >

文章列表页 >

基于拟熵自适应启动局部搜索策略的混合粒子群算法

学术论文 | 更新时间：2025-07-16

- 基于拟熵自适应启动局部搜索策略的混合粒子群算法
- Hybrid Particle Swarm Optimization Algorithm with Adaptive Starting Strategy of Local Search Based on Quasi-Entropy
- 电子学报 2018年46卷第1期页码：110-117
- 作者机构：
  
  武汉理工大学物流工程学院,湖北,武汉,430063
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61571336，No.61603280，No.71372202）
- DOI：10.3969/j.issn.0372-2112.2018.01.016
  中图分类号： TP182TP391
- 网络出版：2018-01-25，
  
  纸质出版：2018
- 稿件说明：
移动端阅览
曹玉莲, 李文锋, 张煜. 基于拟熵自适应启动局部搜索策略的混合粒子群算法[J]. 电子学报, 2018,46(1):110-117.

CAO Yu-lian, LI Wen-feng, ZHANG Yu. Hybrid Particle Swarm Optimization Algorithm with Adaptive Starting Strategy of Local Search Based on Quasi-Entropy[J]. Acta Electronica Sinica, 2018, 46(1): 110-117.
曹玉莲, 李文锋, 张煜. 基于拟熵自适应启动局部搜索策略的混合粒子群算法[J]. 电子学报, 2018,46(1):110-117. DOI： 10.3969/j.issn.0372-2112.2018.01.016.

CAO Yu-lian, LI Wen-feng, ZHANG Yu. Hybrid Particle Swarm Optimization Algorithm with Adaptive Starting Strategy of Local Search Based on Quasi-Entropy[J]. Acta Electronica Sinica, 2018, 46(1): 110-117. DOI： 10.3969/j.issn.0372-2112.2018.01.016.

摘要

在继承综合学习粒子群算法（Comprehensive Learning Particle Swarm Optimizer，CLPSO）全局探索优势的基础上，引入具有高效收敛性能的传统局部搜索（Orthodox Local Search，OLS）方法，提出了基于拟熵自适应启动局部搜索策略的混合粒子群算法（Hybrid Particle Swarm Optimization algorithm with Adaptive starting strategy of Local Search based on Quasi-Entropy，ALSQE-HPSO）.采用拟熵指标解决何时启动OLS这一关键问题.对8个标准函数的10维和20维问题的测试结果，表明了ALSQE-HPSO算法的性能优势.本文提出的算法也与包含两种基于CLPSO的改进算法和一种带OLS的粒子群算法在内的其他6种改进粒子群算法进行了对比，实验结果表明ALSQE-HPSO算法的性能优于对比算法.

Abstract

Based on inheriting the advantage of global exploration of Comprehensive Learning Particle Swarm Optimizer (CLPSO)

the Orthodox Local Search (OLS) approaches with efficient convergence are introduced and a Hybrid Particle Swarm Optimization algorithm with Adaptive starting strategy of Local Search based on Quasi-Entropy (ALSQE-HPSO) is proposed. A quasi-entropy index is utilized to solve the key issue of when to start OLS. The test results of 10-dimension and 20-dimension of eight benchmark functions show the performance advantages of the ALSQE-HPSO algorithm. The comparisons between the proposed algorithm and six other improved PSO algorithms

including two improved CLPSO algorithms and one PSO algorithm with OLS

are also made. The numerical results indicate that the performance of the ALSQE-HPSO is superior to the compared algorithms.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于人工智能算法的单级全差分折叠式共源共栅运算放大器的多目标设计方法

车联网中基于位置信息映射和相关性评估的进化多任务优化算法

MaOEA/A2R：一种基于A2R支配关系的高维多目标进化算法

求解高维昂贵多目标问题的约束型Dropout代理辅助进化算法