爬山算法改进粒子群求解测试测试函数shubert,测试函数的100种优化方法之14

爬山算法粒子群求解测试测试函数

shubert函数属于周期性多峰函数,如图1所示拥有多个全局最优值,如图二所示在一个周期内只有一个全局最优值,局部最优解较多,适合测试算法的收敛性能,粒子群算法是一种收敛速度较快的算法,运算速度快,但是粒子群算法容易陷入局部最优,有些时候会导致收敛慢,或者不收敛,爬山算法拥有很强的局部快速收敛能力,有利于粒子群跳出局部最优,本文利用爬山算法对粒子群进行改进,求解测试函数shubert,,如有疑问,欢迎大家留言交流!

shubert函数图像如下:

爬山算法改进粒子群求解测试测试函数shubert,测试函数的100种优化方法之14_第1张图片
爬山算法改进粒子群求解测试测试函数shubert,测试函数的100种优化方法之14_第2张图片

爬山算法优化粒子群算法PSO的原理

粒子群优化算法(PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法,PSO是由Kennedy和Eberhart共同提出,最初用于模拟社会行为,作为鸟群中有机体运动的形式化表示。自然界中各种生物体均具有一定的群体行为,Kennedy和Eberhart的主要研究方向之一是探索自然界生物的群体行为,从而在计算机上构建其群体模型。PSO是一种启发式算法,因为它很少或没有对被优化的问题作出假设,并且能够对非常大候选解决方案空间进行搜索。PSO算法初始化为一

你可能感兴趣的:(#,常用测试函数及100种求解方法,爬山算法,人工智能,启发式算法,matlab)