PSO-sono: A novel PSO variant for single-objective numerical optimization

粒子群优化 数学优化 测试套件 计算机科学 多群优化 群体智能 元启发式 趋同(经济学) 元优化 方案(数学) 启发式 算法 测试用例 数学 机器学习 数学分析 回归分析 经济 经济增长
作者
Zhenyu Meng,Yuxin Zhong,Guojun Mao,Yan Liang
出处
期刊:Information Sciences [Elsevier BV]
卷期号:586: 176-191 被引量:85
标识
DOI:10.1016/j.ins.2021.11.076
摘要

Particle Swarm Optimization(PSO) is a well-known and powerful meta-heuristic algorithm in Swarm Intelligence (SI), and it was invented by simulating the foraging behavior of bird flock in 1995. Recently, many different PSO variants were proposed to tackle different optimization applications, however, the overall performance of these variants were not satisfactory. In this paper, a new PSO variant is advanced to tackle single-objective numerical optimization, and there are three contributions mentioned in the paper: First, a sorted particle swarm with hybrid paradigms is proposed to improve the optimization performance; Second, novel adaptation schemes both for the ratio of each paradigm and the constriction coefficients are proposed during the iteration; Third, a fully-informed search scheme based on the global optimum in each generation is proposed which helps the algorithm to jump out the local optimum and improve the overall performance. A large test suite containing benchmarks from CEC2013, CEC2014 and CEC2017 test suites on real-parameter single-objective optimization is employed in the algorithm validation, and the experiment results show the competitiveness of our algorithm with the famous or recently proposed state-of-the-art PSO variants.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
草莓味的榴莲完成签到,获得积分10
1秒前
科研通AI5应助科研通管家采纳,获得10
2秒前
科研通AI2S应助科研通管家采纳,获得10
2秒前
pluto应助科研通管家采纳,获得50
2秒前
2秒前
JJ完成签到,获得积分10
2秒前
4秒前
十一完成签到,获得积分10
6秒前
9秒前
科研通AI5应助cy采纳,获得30
9秒前
高兴天空发布了新的文献求助10
11秒前
史迪奇完成签到,获得积分10
11秒前
五岳三鸟完成签到,获得积分10
14秒前
云海绵绵完成签到,获得积分10
19秒前
龙行天下完成签到,获得积分10
19秒前
xliiii完成签到,获得积分10
23秒前
陌上尘开完成签到 ,获得积分10
24秒前
龙行天下发布了新的文献求助10
24秒前
三水完成签到,获得积分10
25秒前
Orange应助张达采纳,获得10
25秒前
王之争霸完成签到,获得积分10
29秒前
33秒前
科研通AI5应助nakl采纳,获得10
35秒前
大气傲易完成签到 ,获得积分10
38秒前
马德里就思议完成签到,获得积分10
38秒前
Sir_M发布了新的文献求助10
40秒前
叶泽完成签到,获得积分10
41秒前
41秒前
etqs24发布了新的文献求助10
46秒前
1234完成签到 ,获得积分10
46秒前
诚心访琴完成签到,获得积分20
48秒前
mitu完成签到 ,获得积分10
51秒前
海洋岩土12138完成签到 ,获得积分10
52秒前
Sir_M完成签到,获得积分10
52秒前
岁岁完成签到 ,获得积分10
54秒前
qiao应助愉快的豆芽采纳,获得10
58秒前
高兴天空完成签到 ,获得积分20
59秒前
珂儿完成签到 ,获得积分10
1分钟前
HOPE完成签到,获得积分20
1分钟前
1分钟前
高分求助中
【此为提示信息,请勿应助】请按要求发布求助,避免被关 20000
Technologies supporting mass customization of apparel: A pilot project 450
Mixing the elements of mass customisation 360
Периодизация спортивной тренировки. Общая теория и её практическое применение 310
the MD Anderson Surgical Oncology Manual, Seventh Edition 300
Nucleophilic substitution in azasydnone-modified dinitroanisoles 300
Political Ideologies Their Origins and Impact 13th Edition 260
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3781287
求助须知:如何正确求助?哪些是违规求助? 3326814
关于积分的说明 10228352
捐赠科研通 3041803
什么是DOI,文献DOI怎么找? 1669591
邀请新用户注册赠送积分活动 799153
科研通“疑难数据库(出版商)”最低求助积分说明 758751