文献

J-GLOBAL ID：201602203815081302   整理番号：16A0032925

Gauss学習を用いた速度擾乱に基づくパーティクルスワーム最適化【Powered by NICT】

Velocity Disturbance Based Particle Swarm Optimization with Gaussian Learning

著者 (2件)： Wang Yun (School of Information Engineering of Nanchang Inst. of Technol., Nanchang) ,  Sun Hui (School of Information Engineering of Nanchang Inst. of Technol., Nanchang)
資料名： Xiaoxing Weixing Jisuanji Xitong  (Xiaoxing Weixing Jisuanji Xitong)
巻： 36  号： 7  ページ： 1521-1525  発行年： 2015年 
JST資料番号： C2136A  ISSN： 1000-1220  CODEN： XWJXEH  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： 複雑な最適化問題を解くとき,標準PSO(粒子群最適化)は,時期尚早な収束問題と遅い収束速度問題を抱えているため,論文では,速度擾乱とGauss学習(PGPSO)とPSO(粒子群最適化)を提案した。速度障害は反復の各ラウンド,アルゴリズムの収束速度を加速し,急速に減少する粒子の速度の傾向を低下させることができる,標準PSO(粒子群最適化)のそれより大きい速度増分が得られることをこのような速度更新の式が導入されるであろう個体群の多様性を維持する効果的に支援した。さらに,このアルゴリズムは局所最適に陥るであれば,Gauss学習戦略は,局所最適領域の大域最良粒子ジャンプを助けるために実施される。いくつかの著名な改善されたPSO(粒子群最適化)アルゴリズムと比較して,ベンチマークテスト関数上での実験結果により,PGPSOはPSO(粒子群最適化)パラダイムの性能を増強し,収束速度,大域的最適性,解の精度とアルゴリズム信頼性の点でできることを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 最適化問題 ,  個体群 ,  *学習 ,  *擾乱 ,  信頼性 ,  アルゴリズム ,  跳躍現象 ,  高速度
準シソーラス用語： 最適性 ,  ベンチマークテスト ,  学習戦略 ,  収束速度 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 学習 ,  擾乱 ,  パーティクルスワーム最適化