文献

J-GLOBAL ID：201702257294201275   整理番号：17A0350632

動的因子と共有適応度に基づく改良粒子群最適化アルゴリズム【JST・京大機械翻訳】

A modified particle swarm optimization algorithm based on dynamic learning factors and sharing method

著者 (3件)： Tan Yifeng (College of Information Science &Electronic Engineering,Zhejiang University) ,  Sun Tingting (College of Information Science &Electronic Engineering,Zhejiang University) ,  Xu Xinming (College of Information Science &Electronic Engineering,Zhejiang University)
資料名： Zhejiang Daxue Xuebao. Lixue Ban  (Zhejiang Daxue Xuebao. Lixue Ban)
巻： 43  号： 6  ページ： 696-700  発行年： 2016年 
JST資料番号： C3049A  ISSN： 1008-9497  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 粒子群最適化(PSO)の収束速度と最適化性能を改善するために,局所的最適化を避けるために,動的学習因子と共有適応度関数に基づく改良粒子群最適化アルゴリズムを提案した。慣性重みWは,反復回数の非線形性を減少させることによって,学習因子を動的に調整することによって,共有適応度関数を導入した。アルゴリズムが終了条件に達していないときに,粒子と最適解の間の距離を用いて,新しいパーティクルスウォームを選択して,新しい適応個体群を評価するために,適応度関数を使用して,新しい2つの個体群はそれぞれ,局所的最適解を追跡した。4つの典型的多峰復雑関数の試験結果は,改良アルゴリズムが見つける最適解の速度を加速するだけではなく,パーティクルスウォーム最適化アルゴリズムのグローバル収束性能も改善することを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 個体群 ,  非線形性 ,  *最適化 ,  *アルゴリズム ,  学習
準シソーラス用語： 局所最適解 ,  最適解 ,  適応度関数 ,  収束速度 ,  *粒子群最適化 ,  *適応度 , 【Automatic Indexing@JST】

著者キーワード (4件)： dynamic ,  learning factor ,  sharing fitness ,  particle swarm optimization

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 因子 ,  共有 ,  適応度 ,  粒子群最適化アルゴリズム