文献

J-GLOBAL ID：201902236243240614   整理番号：19A0943236

階層的自律学習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】

Improved particle swarm optimization algorithm based on hierarchical autonomous learning

著者 (2件)： Yuan Xiaoping (中国鉱業大学信息与控制工程学院,江蘇徐州,221116) ,  Jiang Shuo (中国鉱業大学信息与控制工程学院,江蘇徐州,221116)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 39  号： 1  ページ： 148-153  発行年： 2019年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  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： パーティクルスウォーム最適化(PSO)アルゴリズムは,局所最適,収束精度,および収束速度が遅いという問題を解決するために,階層的自律学習に基づく改良パーティクルスウォーム最適化(HCPSO)アルゴリズムを提案する。最初に,パーティクルの適応度値と反復回数に従って,個体群を3つの異なる階層に分割した。次に,局所学習モデル,標準学習モデル,およびグローバル学習モデルを採用して,粒子多様性を増加させ,個人差の認知がアルゴリズムの性能に及ぼす影響を反映し,アルゴリズムの収束速度と収束精度を改善した。最後に、HCPSOアルゴリズムとPSOアルゴリズム、適応マルチサブ群パーティクルスウォーム最適化(PSO-SMS)アルゴリズム及び動的マルチサブスウォーム最適化(DMS-PSO)アルゴリズムをそれぞれ6つの典型的なテスト関数上で比較実験を行った。シミュレーション結果により,HCPSOアルゴリズムの収束速度および収束精度が,比較アルゴリズムと比較して,明らかに改善し,そして,実行時間および基本PSOアルゴリズムの実行時間は,0.001オーダーであり,そして,アルゴリズムの複雑性を増やさないとき,本アルゴリズムの性能は,より高くなった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  スウォーム ,  比較試験 ,  シミュレーション ,  個体群 ,  *最適化 ,  学習モデル
準シソーラス用語： 複雑性 ,  実行時間 ,  個人差 ,  適応度 ,  収束速度 ,  *粒子群最適化 ,  自主学習 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (2件)： 自律学習 ,  粒子群最適化アルゴリズム