检索结果

Select

1. 粒距反馈的S函数粒子群权值调整策略

左旭坤苏守宝

计算机应用 2012, 32 (10): 2724-2727. DOI: 10.3724/SP.J.1087.2012.02724

摘要（846）

PDF （534KB）（396）

针对标准粒子群优化（PSO）算法把惯性权值作为全局参数,很难适应复杂的非线性优化的问题,提出了一种基于粒距和S型函数的粒子群权值调整策略（SFIW）。利用S型函数能够在非线性和线性之间平滑过渡的特性,构造了基于Logistic方程的惯性权值函数。在优化过程中根据每个粒子的粒距大小,调整每个粒子的惯性权值函数的非线性系数,使得粒距较大的粒子获得较大的惯性权值、粒距较小的粒子获得较小的惯性权值,从而平衡算法的局部开发和全局探测能力。最后,通过对基准函数的仿真并与其他PSO算法比较,验证了算法的有效性和可行性。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于多尺度粗糙集模型的决策树优化算法

陈家俊苏守宝徐华丽

计算机应用 2011, 31 (12): 3243-3246.

摘要（1246）

PDF （587KB）（728）

针对经典决策树算法构造的决策树结构复杂、缺乏对噪声数据适应能力等局限性，基于多尺度粗糙集模型提出一种新的决策树构造算法。算法引入尺度变量和尺度函数概念，采用不同尺度下近似分类精度选择测试属性构造决策树，使用抑制因子对决策树进行修剪，有效地去除了噪声规则。结果表明该算法构造的决策树简单有效，对噪声数据有一定的抗干扰性，且能满足不同用户对决策精度的要求。

相关文章 | 多维度评价

Select

3. 基于粒距和动态区间的粒子群权值调整策略

左旭坤苏守宝

计算机应用 2010, 30 (9): 2286-2289.

摘要（1533）

PDF （534KB）（864）

由于标准粒子群优化(PSO)算法把惯性权值作为全局参数，因此很难适应复杂的非线性优化过程。针对这一问题，提出了一种基于粒距和动态区间的权值调整策略（PSSIW），根据粒子的粒距大小在动态区间内选取不同的权值，并通过区间的动态变化来控制算法的收敛速度。设计了四种不同的动态区间，并采用三个常用的标准测试函数测试不同区间对算法性能的影响。通过与标准粒子群算法比较发现，该策略提高了算法摆脱局部极值的能力，是一种新型全局收敛粒子群算法。