将遗传算法的变异思想巧妙引入粒子群算法中改进粒子群算法寻优性能
资 源 简 介
应用背景对于智能计算、优化理论方面,遗传算法和粒子群算法都属于现代仿生类优化算法,但是两者还是存在差异,遗传算法的核心在于变异和交叉,粒子群算法的核心在于个体寻优和群体寻优之间取平衡。通常研究者机械地将将两种算法结合起来,使得程序复杂,运行时间偏长,本程序以粒子群算法为主,巧妙地将遗传算法的变异思想引入粒子群算法,这一简单改进却可以大大提高粒子群算法的性能。但是,注意 引入随机数时的阈值 需要反复试验确定,目前这个程序没有做到阈值自适应。关键技术将遗传算法的变异思想 巧妙引入 粒子群算法 中改进粒子群算法寻优性能,使得寻优速度更快,当测试复杂高维的benchmark时,也更加接近最优值
文 件 列 表
PSO_GA
f4_10d_1_modified_mutation.tif
f4_10d_2_modified_mutation.tif
fun.m
PSOMutation.m
weierstrass_M_D10.mat
weierstrass_o.mat
借鉴GA中的变异运算.txt