一种融合梯度信息的粒子群优化算法

作     者：刘清 许汪俊彤 刘正余 LIU Qing;XU Wangjuntong;LIU Zhengyu

作者机构：皖西学院电子与信息工程学院安徽六安230012 安徽理工大学数学与大数据学院安徽淮南232001 

基　　金：国家自然科学基金(62102002) 安徽省自然科学基金(2008085QF291) 皖西学院高层次人才科研启动基金(WGKQ2021053) 皖西学院国家级大学生创新创业训练项目:基于多目摄像头下的多特征人脸识别智能门禁系统(202210376042) 横向课题:水下高速航行试验场地与技术服务(西北工业大学,004502207) 横向课题:高压空气和燃气兼容驱动气体炮设计与加工(0045021079) 

出 版 物：《佳木斯大学学报（自然科学版）》 (Journal of Jiamusi University：Natural Science Edition)

年 卷 期：2023年第41卷第1期

页      码：16-20页

摘      要：针对粒子群优化算法(PSO)存在盲目搜索、收敛速度慢的问题,提出一种融合梯度信息的改进粒子群优化算法,简记为GIPSO(Gradient Information based PSO)。利用目标函数的梯度信息指导粒子朝着适应值更低的方向搜索,可有效避免粒子的盲目搜索行为。首先,在线性权重粒子群算法的进化公式中嵌入目标函数的梯度信息,有效提升了改进方法的收敛精度;其次,随机选择一半的粒子使用含有梯度信息的速度进化公式以降低算法的计算量,在标准测试函数上的仿真实验结果表明,GIPSO算法在收敛速度与收敛精度方面,均优于基本PSO算法,线性权重衰减PSO算法,正太分布权重PSO算法等传统方法。

主 题 词：机器学习 粒子群 梯库搜索 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1008-1402.2023.01.004

馆 藏 号：203118576...