一种基于引导策略的自适应粒子群优化算法

• Published in: 计算机应用研究 Vol. 34; no. 12; pp. 3599 - 3602
• Main Author: 姜凤利;张宇;王永刚
• Format: Journal Article
• Language: Chinese
• Published: 沈阳农业大学信息与电气工程学院,沈阳,110866 2017
• Subjects: 惯性权重; 混合粒子; 粒子群优化算法; hybrid particles; 混合粒子; panicle swarm optimization (PSO); 粒子群优化算法; inertia weight; 惯性权重
• ISSN: 1001-3695
• DOI: 10.3969/j.issn.1001-3695.2017.12.018

为解决粒子群优化算法前期搜索盲目,后期搜索速度慢且易陷入局部极值的问题,对算法中粒子更新方式和惯性权重进行了改进,提出了一种基于引导策略的自适应粒子群优化算法（improvedparticleswarmoptimizationalgorithm,IPSO）。该算法在种群中引入四种粒子,即主体粒子、双中心粒子、协同粒子和混沌粒子对粒子位置更新进行引导,克服算法的随机性,从而提高搜索效率。为进一步克服粒子群优化算法进化后期易陷入早熟收敛的缺点,引入聚焦距离变化率的概念,通过聚焦距离变化率的大小动态调整惯性权重,以提高算法的收敛速度和精度,两者结合极大地提高了搜索到全局最优解的有效性。对四个标准测试函数进行仿真,实验结果表明IPSO算法在收敛速度、收敛精度以及成功率上都明显优于其他两种粒子群优化算法。