华东理工大学学报：自然科学版2011，Vol.37Issue(4)：515-520,6.
结合历史全局最优与局部最优的粒子群算法
A Combine Historical Global and Local Best Particle Swarm Optimization Algorithm
摘要
Abstract
A new particle swarm optimization algorithm was proposed to increase the diversity of the shared information.In the process of velocity updating,the historical global best in the previous rounds was combined with the local best in the current round to increase the diversity of information.In addition,according to the different combining ways of two kinds of information,the basic algorithm was extended to 3 kinds of extension algorithm.Simulation results on 6 typical functions showed that the improved particle swarm algorithm can efficiently overcome the premature of standard particle swarm algorithm.关键词
共享/多样性/历史全局最优/局部最优/早熟现象Key words
shared/diversity/historical global best/local best/premature分类
信息技术与安全科学引用本文复制引用
闫雪丽,王学武,连志刚..结合历史全局最优与局部最优的粒子群算法[J].华东理工大学学报：自然科学版,2011,37(4):515-520,6.基金项目
教育部人文社会科学研究青年基金项目 （）
上海高校选拔培养优秀青年教师科研专项基金 （）
2011年上海市博士后科研资助计划项目 （）
上海市科委创新项目 （）
中国博士后科学基金面上资助项目 （）
