TY -的A2 kok Raşit AU - Yu,香非盟-乔昱PY - 2021 DA - 2021/02/05 TI -增强全面学习粒子群优化空间独立和自适应参数SP - 6628564六世- 2021 AB -全面学习粒子群优化(CLPSO)和增强CLPSO (ECLPSO)是两个文学metaheuristics全局优化。ECLPSO大大提高了剥削和收敛性能的CLPSO perturbation-based剥削和自适应学习概率。然而,ECLPSO仍不能找到全局最优或找到一个near-optimum解决许多问题。在本文中,我们研究进一步改善勘探ECLPSO的性能。我们建议分配一个独立的惯性权重和一个独立的加速度系数对应于每个维度的搜索空间,以及一个独立的学习概率为每个粒子在每个维度。像ECLPSO规范区间最小和最大个人最好有界的位置确定在每一代人对每个维度。维独立的最大速度,惯性权重、加速度系数,和学习提出了概率自适应更新基于维规范性间隔,以促进勘探、开发、和收敛性,特别是探索。我们建议metaheuristic,称为自适应CLPSO (ACLPSO),评估在不同的基准函数。实验结果表明维独立和自适应最大速度,惯性权值,加速系数,和学习概率有助于显著修复ECLPSO探索的表现,和ACLPSO能够获得全球最佳或near-optimum解决方案在所有适当的基准函数所有的运行参数设置。SN - 1687 - 5265你2021/6628564 / 10.1155——https://doi.org/10.1155/2021/6628564——摩根富林明,计算智能和神经科学PB - Hindawi KW - ER