FCS 12(1) 文章 | 多峰问题全局优化的分布式学习粒子群优化算法

导读

粒子群优化算法（PSO）是解决许多优化问题的有效工具。然而，在求解复杂的多峰非分割问题时，容易导致局部最优。本文提出了一种新的求解多峰非分割问题的算法，称为分布式学习粒子群优化算法（DLPSO）。DLPSO的策略是从分布在搜索空间周围的局部向量中提取出优质的向量信息，然后形成一个新的向量，可以跳出局部最优而进一步优化。通过在一组测试函数上的实验研究表明，DLPSO算法在求解变量间相关性较少的优化问题时，比现存其他对等算法具有更好的性能。

---

---

文章精要

---

---

如需阅读本期推荐文章的全文，请点左下角的「阅读原文」链接。

---

---

Frontiers of Computer Science

---

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社出版、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为李未院士，执行主编为熊璋教授和周志华教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”。

---

长按二维码关注Frontiers of Computer Science公众号