优化算法
文章平均质量分 90
对于各种优化算法的学习
子非鱼Swx
路漫漫其修远兮,吾将上下而求索...
展开
-
粒子群算法优化策略总结
非线性递减惯性权重,前期w取值较大,具有较强的全局搜索能力,后期w取值较小,具有较强的局部搜索能力,而非线性递增惯性权重则与之相反,前期w取值较小,具有较强的局部搜索能力,后期w取值较大,具有较强的全局搜索能力。混沌Sine映射作为一种经典的混沌映射,具有良好的遍历性等优点,增加了算法的随机性,使算法在前期拥有较强的局部寻优能力的同时,在后期也拥有不错的全局寻优能力。通过混沌sine映射产生(0,1)的随机数,使得w增长的更慢,使得其前期具有更强的局部开发能力原创 2023-03-19 14:19:30 · 5427 阅读 · 0 评论 -
群智能优化计算中的混沌映射
经实验证明,采用混沌映射产生随机数的适应度函数值有明显提高,用混沌映射取代常规的均匀分布的随机数发生器可以得到更好的结果,特别是搜索空间中有许多局部解时,更容易搜索到全局最优解,利用混沌序列进行种群初始化、选择、交叉和变异等操作会影响算法的整个过程,而且常常能取得比伪随机数更好的效果。原创 2023-03-09 21:51:29 · 6521 阅读 · 13 评论 -
粒子群算法
当目标函数比较复杂时,普通的粒子群算法容易陷入局部最优,而且后期的收敛速度较慢,这会导致整个算法的效率和精度下降。影响粒子群算法的效率和精度的参数主要有惯性权重w、个体认知因子c1、群体认知因子c2。当w较大时,算法有着更好的全局搜索能力,当w较小时,算法有着更好的局部寻优能力;当c1较小、c2较大时,算法有着更好的局部寻优能力。恰当地选取算法的参数值可以改善算法的性能。原创 2023-03-06 16:57:56 · 12867 阅读 · 0 评论