·
搜索结果:找到“惯性权重”相关结果3576条
排序: 按相关 按相关 按时间降序
  • 【期刊】 改进惯性权重的粒子群目标跟踪算法

    刊名:国外电子测量技术 作者:郭巳秋 ; 宋玉龙 ; 宋策 ; 刘立刚 ; 任航 关键词:惯性权重 ; 粒子群优化 ; 目标相似性函数 机构:中国科学院航空光学成像与测量重点实验室中国科学院长春光学精密机械与物理研究所 ; 中国科学院航空光学成像与测量重点实验室中国科学院长春光学精密机械与物理研究所 年份:2017
    摘要:粒子群优化算法中惯性权重的设置极其重要,直接影响算法性能.提出了一种改进的粒子群优化算法,并应用到目标跟踪领域,提高算法运算效率.首先,设置粒子群优化算法中的参数;其次,结合粒子优化率的概念记录粒子的不同状态,进而调节惯性权重,更新粒子的速度和位置;最后,对目标相似性函数进行优化,实现目标的准确定位.实验结果表明,该方法可以有效应对目标出现部分遮挡的跟踪难题,同时提高目标跟踪效率,具有较好的实时性.
  • 【期刊】 改进惯性权重的简化粒子群优化算法

    刊名:湖北民族学院学报(自然科学版) 作者:高苇 ; 平环 ; 张成刚 ; 姜静清 关键词:惯性权重 ; 速度项 ; 经典函数 机构:内蒙古民族大学数学学院 ; 内蒙古民族大学数学学院 ; 内蒙古民族大学计算机与科学学院 年份:2016
    摘要:针对传统的粒子群优化算法收敛速度慢、易陷入局部空间极值的缺点,提出一种基于简化粒子群优化算法同时改进惯性权重的新算法.该算法首先去掉速度项,使算法更加简便,然后改进位移项,最后改进惯性权重.对6个经典函数分别采用传统的粒子群优化算法、简化的粒子群优化算法和该改进的算法进行比较,数值实验表明,该改进的粒子群优化算法比其他两个算法的性能好.
  • 【期刊】 非线性递减惯性权重的简化粒子群算法

    刊名:咸阳师范学院学报 作者:张志宇 ; 白云霞 关键词:惯性权重 ; 粒子群优化算法 ; 简化粒子群优化算法 机构:兰州交通大学数理与软件工程学院 ; 兰州交通大学数理与软件工程学院 年份:2017
    摘要:简化粒子群算法舍弃了标准粒子群算法中的速度项,使算法更加简练高效.但简化粒子群算法每个粒子都采用相同的迭代公式进行迭代,使得算法在进化后期粒子的差异性不强,算法容易出现早熟.提出非线性递减惯性权重的简化粒子群算法,每个粒子采用动态的公式进行迭代,提高粒子群的多样性,避免陷入局部最优,提高解的精度.最后在Matlab上进行数值模拟,发现改进后的算法在寻优精度和收敛速度上具有明显优势.
  • 【期刊】 动态改变惯性权重的新模式粒子群算法

    刊名:安徽大学学报:自然科学版 作者:杜江 ; 袁中华 ; 王景芹 关键词:惯性权重 ; 群体智能 ; 粒子群算法 ; 动态调整 ; 新模式 机构:河北工业大学电磁场与电器可靠性省部共建重点实验室 ; 河北工业大学电磁场与电器可靠性省部共建重点实验室 年份:2018
    摘要:针对标准粒子群算法在求解复杂优化问题时易陷入局部最优、收敛精度不高和收敛成功率低的不足,提出了一种改进的粒子群算法.通过算法所处的迭代阶段和粒子的分布情况动态改变惯性权重的值,并根据每个粒子的更新情况调整其飞行的起点.最后4个测试函数仿真结果表明,在求解复杂优化问题时,改进后算法的收敛精度和收敛成功率均有明显提高.
  • 【期刊】 一种惯性权重自适应的粒子群优化算法

    刊名:电子科技 作者:罗华 关键词:惯性权重 ; 粒子群优化 ; 自适应 ; 聚集度 机构:上海理工大学光电信息与计算机学院 ; 上海理工大学光电信息与计算机学院 年份:2017
    摘要:针对基本粒子群算法的早熟收敛性,在寻优过程中易陷入局部极值.提出一种自适应惯性权重的粒子群优化算法,该算法利用了粒子聚集度、迭代次数来动态的改变惯性权重,以此来平衡局部寻优能力和全局寻优能力,使达到自适应,并使用典型测试函数Griewank和Sphere进行了仿真测试,以此验证改进策略的效果.实验表明,对于多峰函数,与基本粒子群相比较,改进的粒子群优化算法在收敛速度和收敛精度上均高于基本粒子群算法以及一些常见的改进算法.
  • 【期刊】 一种新的自适应惯性权重混沌PSO算法

    刊名:计算机工程与应用 作者:李龙澍;张效见; 关键词:粒子群;;自适应惯性权重;;混沌;;局部极值 机构:安徽大学计算智能与信号处理教育部重点实验室 ; 安徽大学计算智能与信号处理教育部重点实验室 ; 安徽大学计算机科学与技术学院 年份:2018
    摘要:针对粒子群算法(Particle Swarm Optimization,PSO)易陷入局部极值的缺陷,提出了一种新的自适应惯性权重混沌PSO算法(a New Chaos Particle Swarm Optimization based on Adaptive Inertia Weight,CPSO-NAIW)。首先采用新的惯性权重自适应方法,很好地平衡粒子的搜索行为,减少算法陷入局部极值的概率,然后在算法陷入局部极值时,引入混沌优化策略,对群体极值位置进行调整,以使粒子搜索新的邻域和路径,增加算法摆脱局部极值的可能。最后,实验结果表明,CPSO-NAIW算法能有效避免陷入局部极值,提高算法性能。
  • 【期刊】 一种新的自适应惯性权重混沌PSO算法

    刊名:计算机工程与应用 作者:李龙澍 ; 张效见 关键词:粒子群 ; 自适应惯性权重 ; 混沌 ; 局部极值 机构:安徽大学 ; 安徽大学 ; 计算智能与信号处理教育部重点实验室 ; 安徽大学 ; 计算机科学与技术学院 ; 安徽大学 ; 计算机科学与技术学院 年份:2018
    摘要:针对粒子群算法(Particle Swarm Optimization,PSO)易陷入局部极值的缺陷,提出了一种新的自适应惯性权重混沌PSO算法(a New Chaos Particle Swarm Optimization based on Adaptive Inertia Weight,CPSO-NAIW).首先采用新的惯性权重自适应方法,很好地平衡粒子的搜索行为,减少算法陷入局部极值的概率,然后在算法陷入局部极值时,引入混沌优化策略,对群体极值位置进行调整,以使粒子搜索新的邻域和路径,增加算法摆脱局部极值的可能.最后,实验结果表明,CPSO-NAIW算法能有效避免陷入局部极值,提高算法性能.
  • 【期刊】 惯性权重动态调整的混沌磷虾群算法

    刊名:兰州文理学院学报(自然科学版) 作者:肖国炜 关键词:磷虾群算法 ; 相似度 ; 动态调整 ; 混沌搜索 机构:北方民族大学 ; 北方民族大学 年份:2017
    摘要:针对磷虾群算法容易陷入局部最优的缺点,提出一种惯性权重动态调整的混沌磷虾群算法.首先给出了相似度的定义,并根据磷虾种群中各个体和最优磷虾个体相似度的大小,动态地更新磷虾个体的诱导权重和觅食权重.为了提升全局搜索性能,将混沌搜索算子引入算法中,通过6个标准测试函数的实验表明,该算法比标准磷虾群算法有着显著优势.
  • 【期刊】 惯性权重动态调整的混沌粒子群算法

    刊名:软件 作者:赵乃刚 关键词:粒子群算法 ; 相似度值 ; 混沌搜索 机构:山西大同大学数学与计算机科学学院 ; 山西大同大学数学与计算机科学学院 年份:2016
    摘要:鉴于标准粒子群算法(PSO)有易陷入局部最优位置和全局搜索能力差等缺点,给出了相似度的定义,并根据群体中每个粒子与全局最优粒子的相似度值的大小,动态非线性地更新每个粒子的惯性权重值。为了改善算法的全局搜索性能,将混沌算子引入粒子群算法中。新算法在4个测试函数上与标准粒子群算法进行了比较,结果表明新算法的性能更好。
  • 【期刊】 改进惯性权重的简化粒子群优化算法

    刊名:湖北民族学院学报:自然科学版 作者:高苇[1] ; 平环[1] ; 张成刚[1] ; 姜静清[2] 关键词:速度项 惯性权重 经典函数 机构:内蒙古民族大学数学学院 ; 内蒙古民族大学数学学院 年份:2016
    摘要:针对传统的粒子群优化算法收敛速度慢、易陷入局部空间极值的缺点,提出一种基于简化粒子群优化算法同时改进惯性权重的新算法.该算法首先去掉速度项,使算法更加简便,然后改进位移项,最后改进惯性权重.对6个经典函数分别采用传统的粒子群优化算法、简化的粒子群优化算法和该改进的算法进行比较,数值实验表明,该改进的粒子群优化算法比其他两个算法的性能好.
  • 【期刊】 一种动态调整惯性权重的自适应蝙蝠算法

    刊名:计算机科学 作者:裴宇航 ; 刘景森 ; 李煜 关键词:惯性权重 ; 蝙蝠算法 ; 速度纠正因子 ; 自适应 机构:河南大学计算机与信息工程学院 ; 河南大学计算机与信息工程学院 ; 河南大学复杂智能网络系统研究所 ; 河南大学软件学院 ; 河南大学管理科学与工程研究所 年份:2017
    摘要:为了加快蝙蝠算法的收敛速度并提高寻优精度,提出一种动态调整惯性权重的自适应蝙蝠算法.该算法在速度公式中加入惯性权重,并采用一种服从均匀分布和贝塔分布的随机调整策略,动态地调整惯性权重的大小,以加快算法的收敛速度.另外,引入了速度纠正因子,在每次迭代时,算法可根据当前种群的迭代次数动态地约束每一代蝙蝠的移动步长,从而使算法具有一定的自适应性.仿真实验结果表明,改进后的算法的寻优性能显著提高,具有较快的收敛速度和较高的寻优精度.
  • 【期刊】 一种动态调整惯性权重的粒子群优化算法

    刊名:计算机科学 作者:董红斌 ; 李冬锦 ; 张小平 关键词:惯性权重 ; 粒子群优化算法 ; 动态调整 ; 指数函数 机构:[1]哈尔滨工程大学计算机科学与技术学院 ; [1]哈尔滨工程大学计算机科学与技术学院 ; [2]中国中医科学院 年份:2018
    摘要:针对粒子收敛速度慢、搜索精度不高和算法性能在很大程度上依赖于参数的选取等缺点,提出了一种非线性指数惯性权重粒子群优化算法(Exponential Inertia Weight in Particle Swarm Optimization,EIW-PSO)。在每次迭代的过程中,采用粒子最大适应值和最小适应值的指数函数来动态调整算法中的惯性权重,更有利于算法在寻优过程中跳出局部最优;同时,引入随机因子以确保种群的多样性,使粒子更快地收敛到全局最优位置。为了验证该算法的寻优性能,通过8个基准测试函数将标准PSO、线性递减惯性权重LDIW-PSO、均值自适应惯性权重MAW-PSO在不同维度和种群规模下进行测试比较。实验结果表明,提出的EIW-PSO算法具有更快的收敛速度和更高的求解精度。
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转