粒子群算法对高维问题的优化研究
作者:
郝武伟
[1]
李俊吉
[2]
关键词:
粒子群优化算法
机器学习
收敛速度
组合问题
局部优化
全局优化
摘要：
基于Q-learning机器学习技术的粒子群优化算法(PSO)可以提高PSO对高维问题的优化效果.首先,缩小粒子群的种群大小,通过Q-learning机器学习技术管理PSO粒子的行为;然后,Q-learning机器学习技术根据粒子的性能自适应地切换粒子的操作,性能好的操作受到奖赏,性能差的操作受到惩罚;最终,通过Q-learning学习技术的全局寻优能力来弥补PSO局部优化能力的不足.通过多组仿真实验的结果表明,该算法提高了PSO算法对高维问题的优化性能与收敛速度.
上一篇： 基于变权物元可拓模型的烧结矿质量评价
下一篇： 基于犹豫模糊连续熵的数据库系统选择研究