文献

J-GLOBAL ID：201702273923941597   整理番号：17A1855096

分類最適化と拡張戦略を組み合わせた粒子群最適化アルゴリズム【JST・京大機械翻訳】

Fusion Classification Optimization and Expansion Strategies-based Particle Swarm Optimization Algorithm

著者 (4件)： Gao Yingli (長沙理工大学計算机与通信工程学院,長沙410114;長沙理工大学綜合交通運輸大数据智能処理湖南省重点実験室,長沙410114) ,  Xu Weihong (長沙理工大学計算机与通信工程学院,長沙410114;長沙理工大学綜合交通運輸大数据智能処理湖南省重点実験室,長沙410114) ,  Chen Yuantao (長沙理工大学計算机与通信工程学院,長沙410114;長沙理工大学綜合交通運輸大数据智能処理湖南省重点実験室,長沙410114) ,  Ma Honghua (資興市科学技術局,湖南chen州,423000)
資料名： Xiaoxing Weixing Jisuanji Xitong  (Xiaoxing Weixing Jisuanji Xitong)
巻： 38  号： 6  ページ： 1363-1368  発行年： 2017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： 従来の粒子群最適化(PSO)アルゴリズムは,局所最適化,遅い収束速度,低い精度などの欠点を克服するために,分類最適化と拡張戦略を組み合わせた粒子群最適化アルゴリズムを提案した。このアルゴリズムは,局所最適粒子群に対する分類最適化拡張戦略を採用し,劣解を淘汰し,拡張戦略を用いて新しい高解を生成し,粒子群最適化アルゴリズムの収束精度を改善し,一方,正規進化的変異戦略を採用した。現在の最適な粒子の近傍空間を探索することによって,局所的な最適化を避けるために,局所的な採掘能力を強化することができた。実験は6つの古典的関数に対して知的最適化探索アルゴリズムを用いて最小値問題に対してシミュレーションを行い、結果により、提案した改良アルゴリズムは解の精度において、いくつかの有名な改良粒子群最適化アルゴリズムより明らかに優れており、特に多峰性関数においてより際立っていることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 採掘 ,  *アルゴリズム ,  *最適化 ,  変異
準シソーラス用語： 多峰性関数 ,  探索アルゴリズム ,  収束速度 ,  ローカル最適化 ,  *粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： particle swarm algorithm ,  classification optimization ,  expansion strategy ,  normal evolution ,  mutation strategy

分類 (2件)： 数理計画法  (KA03030M) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 分類 ,  最適化 ,  拡張 ,  戦略 ,  粒子群最適化アルゴリズム