一种基于浓度的粒子群优化算法.pdfVIP

第26卷 第 12期 重 庆 理 工 大 学 学报 (自然科学) 2012年 l2月 Vo1．26 No．12 JournalofChongqingUniversityofTechnology(NaturalScience) Dee．2012 doi：10．3969／j．issn．1674-8425(z)．2012．12．016 一 种基于浓度的粒子群优化算法 李庆芳，孙合明 (河海大学 理学院，南京 210098) 摘 要：针对粒子群优化算法易于陷入局部最优解的不足，提出了改进的粒子群算法，以克 服粒子群算法的早熟现象。引入免疫算法中浓度的概念对粒子的更新进行有选择的指导，增强 了粒子群算法全局搜索的能力。通过 5种典型的标准函数对改进的算法进行测试和比较，验证 了改进算法的有效性． 关 键 词：粒子群算法；浓度；免疫算法；收敛 中图分类号：TP18 文献标识码：A 文章编号：1674—8425(2012)12—0079—05 An ImprovedPSO Algorithm BasedDensity LIQing—fang，SUNHe-ming (CollegeofScience，HohaiUniversity，Nanjing210098，China) Abstract：Inordertosolveprematureconvergencetolocalminimum problem ofPSO，anewmethod isintroducedtoimprovePSO performanceonglobaloptimizationproblem．Through introducingthe densityfrom immunealgorithm，theparticlecanupdateeffectivelyandimprovetheglobalsearchca— pabilityforfindingtheglobaloptimum．A comparisonismadewiththestandardPSObyfivebench— markfunctions．Theexperimentalresultsillustratethattheproposedalgorithm hasevidentsuperiori— tiesinsearchprecisionandconvergencespeed． Keywords：PSO；density；immunealgorithm；convergence 粒子群(PSO)算法起源于对简单社会系统的 点 引。该算法 自提出以来，引起了国际上相关 模拟。该算法是 1995年由美国电气工程师 Eber- 领域众多学者的关注和研究，并被广泛应用到神 hard和社会心理学家 Kennedy-2]提出的。粒子 经网络训练、工业系统优化及控制 等领域。 群算法本质上是一种并行的全局性的随机搜索算 作为一种进化算法，粒子群算法也有其缺 法，具有容易实现、搜索速度快、优化性能好等优 点 。PSO算法是根据全体粒子和 自身的搜索 收稿 日期 ：2012-09—11 作者简介：李庆芳(1987一)，女，硕士研究生，主要从事智能计算研究；孙合明(1970一)，男，博士，副教授，主要从 事智能计算、运筹与优化研究。 80 重 庆 理 工 大 学 学报 经验向着最优解的方向 “飞行”，在进化后期所有 的粒子都向“最优点”聚集，趋向同一化，群体的多 2 改进的粒子群优化算法 样性逐渐丧失，致使算法后期的收敛速度明显变 2．1 粒子群浓度的计算 慢，甚至处于停滞状态，出现早熟现象。