改进粒子群算法的多峰值优化研究

作者： 陈应显 ; 牛文庆

摘要：粒子群优化算法对于多维函数的最优解搜索存在前期易陷入局部最优,后期收敛速度缓慢的问题.将改进的k-中心点聚类分析与PSO相结合提出了一种混合粒子群算法KM-PSO,用于多峰值问题的优化.在算法中,利用k-中心点聚类分析方法将粒子群划分成若干个子群,结合PSO的隐含并行搜索的优势增强了寻优性能.不仅增加了粒子间的信息交换,抑制了早熟收敛,还提高了全局寻优速度和计算精度.仿真实验结果表明,KM-PS0性能优于基本粒子群优化算法.

关键字： 粒子群优化 k-中心点 聚类分析

---

上一篇：一种自适应Catmull-Rom样条图像缩放算法的设计实现
下一篇：基于梯度塔形分解的GPU加速多源图像融合