%0 Journal Article
%T An Improved Particle Swarm Optimization Based on Self-Adaptive Escape Velocity<br>一种改进的自适应逃逸微粒群算法及实验分析
%A HE Ran
%A WANG Yong-Ji
%A WANG Qing
%A ZHOU Jin-Hui
%A HU Chen-Yong
%A <br>赫然
%A 王永吉
%A 王青
%A 周津慧
%A 胡陈勇
%J 软件学报
%D 2005
%I 
%X 分析了变异操作对微粒群算法(particle swarmoptimization,简称PSO)的影响,针对收敛速度慢、容易陷入局部极小等缺点,结合生物界中物种发现生存密度过大时会自动分家迁移的习性,给出了一种自适应逃逸微粒群算法,并证明了它依概率收敛到全局最优解.算法中的逃逸行为是一种简化的确定变异操作.当微粒飞行速度过小时,通过逃逸运动使微粒能够有效地进行全局和局部搜索,减弱了随机变异操作带来的不稳定性.典型复杂函数优化的仿真结果表明,该算法不仅具有更快的收敛速度,而且能更有效地进行全局搜索.
%K particle swarm optimization
%K escape velocity
%K self-adaptive
%K mutation
%K swarm intelligence<br>微粒群算法
%K 逃逸速度
%K 自适应
%K 变异操作
%K 群体智能
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=7735F413D429542E610B3D6AC0D5EC59&aid=2384EFCF3A284B8B&yid=2DD7160C83D0ACED&vid=7801E6FC5AE9020C&iid=59906B3B2830C2C5&sid=1AE9108C480054ED&eid=8C654DF4DA4F6E06&journal_id=1000-9825&journal_name=软件学报&referenced_num=55&reference_num=18