典型文献
基于Metropolis准则的自适应模拟退火粒子群优化
文献摘要：
为有效提高粒子群优化(PSO)算法搜索最优解的效率,提出一种基于Metropolis准则的自适应模拟退火粒子群优化(ASAPSO)算法.首先,ASAPSO采用一种新的自适应极值惯性权重方式,能有效平衡粒子种群的全局搜索和局部搜索过程;其次,通过分析粒子个体间信息交流方式,构建粒子飞行学习交流的中心粒子,该粒子能有效增强粒子个体的社会学习能力;最后,基于Metropolis准则的模拟退火选择概率,粒子群体在中心粒子的引领下向着全局最优解不断逼近,能有效避免粒子群体陷入局部最优区域.仿真实验表明,相比其他测试算法,ASAPSO收敛精度高,在多种标准测试函数中收敛率(CR)可达94％以上,能有效提高粒子种群的寻优效率.
文献关键词：
粒子群优化算法;模拟退火;Metropolis准则;自适应模拟退火粒子群算法
中图分类号：
作者姓名：
邓绍强;郭宗建;李芳;汤可宗;刘康
作者机构：
景德镇陶瓷大学信息工程学院,江西景德镇333403
文献出处：
引用格式：
[1]邓绍强;郭宗建;李芳;汤可宗;刘康-.基于Metropolis准则的自适应模拟退火粒子群优化)[J].软件导刊,2022(06):85-91
A类：
ASAPSO,自适应模拟退火粒子群算法
B类：
Metropolis,模拟退火粒子群优化,极值,惯性权重,粒子种群,全局搜索,局部搜索,信息交流,中心粒,个体的社会,社会学习,全局最优解,逼近,局部最优,试算法,收敛精度,标准测试函数,收敛率,CR,优效,粒子群优化算法
AB值：
0.227206
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
