粒子群算法改进

您所在的位置:网站首页 粒子群算法中的惯性权重 粒子群算法改进

粒子群算法改进

2024-07-15 19:40| 来源: 网络整理| 查看: 265

适应度回顾

适应度用于评价粒子优劣,一般设置为目标函数值

众所周知

一个较大的惯性权重有利于全局搜索 一个较小的惯性权重有利于局部搜索

基本粒子群算法的粒子速度迭代公式:

vid=wvid-1+c1r1(pbestid-xid)+c2r2(gbestd-xid)

w是定值,代表粒子自身的惯性权重,但随着迭代次数的增加,问题的求解细节也会有所改变,固定值在整体求解的过程中存在不少缺陷。因而,引入变动的惯性权重,以动态适应问题的求解流程。以下是两种用自适应惯性权重求解问题的范例。

求解最小值问题

在这里插入图片描述 1、wmin和wmax是预设的最小与最大惯性系数,一般wmin取0.4,wmax取0.9 2、faveraged为第d次迭代时所有粒子的平均适应度 3、fmind=min{f(x1d),f(x2d),…,f(xnd)}



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3