吴延科
- 作品数：4 被引量：19H指数：2
- 供职机构：文山学院更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 全局收敛的PSO算法的种群多样性特征被引量：7
- 2008年
- PSO算法的早熟收敛与种群多样性有着密切的关系,传统观念认为,多样性丧失导致了算法的早熟收敛。为了避免早熟收敛现象的发生,很多学者提出了很多控制、保持或增大多样性的措施,但是并不是增大了多样性之后早熟收敛现象就会改善。那么,到底什么样的多样性才会有利于算法的持续收敛?通过对6个测试函数用3种算法做实验,深入探讨了PSO的收敛性与种群多样性的关系,描述了PSO算法理想的种群多样性曲线,对改进算法提出了指导性建议。主要观点是,一个好的算法应该是能够保持比较大的多样性曲线的震动频率和振幅,尤其是算法前期的震动频率和振幅,而不是保持比较大的多样性,因为比较大的多样性曲线的震动频率和振幅有利于算法寻找全局搜索和局部搜索的平衡点。
- 李国徐晨吴延科
- 关键词：PSO进化算法种群多样性
- 随机因素对PSO算法的性能影响分析
- 2011年
- PSO算法是一种随机优化方法,但对复杂问题容易陷入早熟收敛,改进算法的随机因素以增大种群多样性是解决这一问题的常用方法。本文分析了随机因素对PSO算法的收敛性能的影响,对粒子群作统计分析后发现,算法中随机因素的叠加可以使得粒子群呈现正态分布的特征,并且这个观点在算法进化过程的大多数时候都是可以接受的。然后构造了一种增大随机因素的改进算法,结果表明,为了避免早熟收敛而适当增大算法的随机因素对提高算法的稳定性是有益的,但对改善算法的收敛性效果并不显著。
- 吴延科
- 关键词：PSO粒子群多样性早熟收敛进化计算
- 基于粒子群统计规律的PSO算法被引量：11
- 2006年
- 粒子群优化(particle swarm optimization,PSO)算法是一类基于群体智能的全局优化算法,以其计算迅速和易于实现而得到广泛的应用.但作为一种进化算法,它在很多问题中却容易过早收敛,陷入早熟.这与粒子群采用单一的进化策略有关,因为过于单一的进化策略使粒子群整体上有一种趋同性.针对标准PSO算法的这个问题提出了一种改进方法,改进后的PSO-σ算法实质上是Kennedy讨论过的认知模型、社会模型和完全模型的混合算法.从算法的收敛性、准确性和稳定性等方面对这种改进的算法作了试验和分析,发现均优于标准PSO算法.
- 吴延科徐晨李国
- 关键词：粒子群粒子群优化早熟
- PSO优化阈值小波去噪算法被引量：1
- 2010年
- 小波阈值去噪算法的关键在于选取适当的阈值,尽管Donoho给出了理论上的最优通用阈值,但对于实际中变化繁多的各种信号,一个通用的阈值显然不能适用所有的情况。采用PSO优化技术,不需要知道太多信号的信息就可以搜索出最优的阈值去噪,并且这种方法不依赖于含噪信号本身,是一种通用的机制。问题的关键在于优化函数的构造。
- 吴延科晏林
- 关键词：小波阈值去噪粒子群PSO
