多阶段多模型的改进微粒群优化算法.pdfVIP

32 2010，46(33) ComputerEngineering口 ，fc锄．0 计算机工程与应用 多阶段多模型的改进微粒群优化算法 赵 嘉，孙 辉 ZHAO Jia，SUN Hui 南昌工程学院 信息工程学院，南昌 330099 SchoolofInformation Engineering，Nanchang Institute ofTechnology，Nanchang 330099，China E-mail：zha@a925@163．com ZHAO Jia．SUN Hui．M odified particle swarm optimization based on multi—stages multi—models．Computer Engineering andApplications。2010，46(33)：32-35． Abstract：Modified particle swarm optimization based on multi—stages multi—modelsisadvanced to solve complex prob— lems since premature convergence phenomena are common in currentparticle swarm optimization．Thisalgorithm processin— eludesthree stagesand variousmodels considering developmentand exploration diversity in differentsteps．Firstly，the local extremum neighborhood isobtained through PSO．Secondly，localextremum is quickly searched outwith Cognition Only to improveevolution efficiency．Lastly，themostoptimalsolution issoughtthrough theimproved evolution modelto avoid local extremum．Resultsoffourcomplex function testsshow thattheproposed algoritmh iseasierto getthe optimalsolution htan PSO nadTSE—PSO in efficiency and performance． Key words：particleswarm optimization；multi—models；multi—stages；optimization 摘 要：针对微粒群优化算法在解决复杂优化 问题时易于出现早熟收敛现象，提出了一种多阶段多模型的改进微粒群优化算 法。考虑寻优不同阶段的开发与探测能力需求的差异，算法将寻优过程分成3个阶段，各阶段采用不同的模型进行进化。第一阶 段利用标准微粒群优化算法发现局部极值的邻域；第二阶段利用CognitionOnly模型快速找到局部极值点，提高寻优效率；第三 阶段，提 出了一种改进的进化模型，利于粒子快速跳 出局部极值点，寻找到全局最优点。4种复杂测试函数的实验结果表明：该算 法比标准微粒群优化算法(PSO)和基于不同进化模型的两群优化算法 (TSE．PSO)更容易找到全局最优解，相 比两群微粒群优化 算法，还能在一定程度上提高优化效率。 关键词 ：微粒群优化算法；多模型；多阶段；优化 DOI：10．3778~．issn2010．33．009 文章编号：1002—833l(2010)33—0032—04 文献标识码：A 中图分类号：TP301 1 前言 重的动态调整算法 ，Clerc提出带收缩因子的粒子群算法， 粒子群优化 (ParticleSwarm Optimization，PSO)算法最 RN．Suganthant】提出基于领域思想的粒子群算法等。近年来基 初是由Kennedy和Eberhart”于 1995年提出的一种演化计算 于PSO的改进算法有F．Bergh等人于2004年提出了协同粒子 技术 ，来源于对鸟群捕食行为的观察和研究 。其后Shi和 群优