基于改进惯性权重的粒子群优化算法.pdfVIP

第28卷第l0期 计算机应用与软件 Vo1．28No．10 2011年 10月 ComputerApplicationsandSoftware 0et．2011 基于改进惯性权重的粒子群优化算法 王洪涛 任 燕 (河南理工大学数学与信息科学学院 河南 焦作454000) 摘 要 惯性权重是粒子群算法中平衡全局搜索和局部搜索能力的重要参数，提出了一种基于改进惯性权重的粒子群优化算法。 该算法在进化初期采用J$-y~同粒子不同维的动态 自适应惯性权重策略，加快收敛速度，在进化后期采用线性递减权重策略，同时 为防止陷入局优，适时引入混沌变异增加种群多样性。对5个典型测试函数的测试结果表明，NPSO在收敛速度、收敛精度、稳定性 和全局搜索能力等方面比线性权重PSO(LDIWPSO)均有很大程度上的提高。 关键词 粒子群优化 惯性权重 动态 混沌 维变异 中图分类号 TP301．6 文献标识码 A PARTICLE SW ARM oPTIM ISATIoN ALGoRITHM BASED oN MoDIFIED INERTIA W EIGHT W angHongtao Renran (SchoolofMathematicsandInforma tionScience，HenanP0 echnicUniversity， n㈣ 454000，Henan，China) Abstract Astheinertiaweightisanimportantparameterinparticleswarm optimisationtobalanceglobalsearchandlocalsearch，anew PSO algorithm basedonmodifiedinertiaweightisproposed．Ininitialstageoftheevolution．thealgorithm usesthestrategyofdynamicand self-adaptiveinertiaweightbasedon differentdimensionsanddifferentparticlestoacceleratetheconvergentspeed．In laterstage ofthe evolution．itusesthestrategyoflineardegressiveinertiaweight(LDIW)，atthesametimeintroducestimelythechaoticmutationtoincrease thediversityofpopulationforpreventingthelocaloptimum．Testingresultsonfivetypicaltestfunctionsshow thatthisalgorithm improvesthe perfomr ancesonspeedof convergence，precisionofconvergence，stabilityandcapacityofglobalsearchtoagreatextentthanthoseofLDIW— Keywords Particleswa／nloptimisation Inertiaweigh Dynamic Chaos Dimensionmutation 忽略了粒子在不同维上的信息，所以本文提出一种对各个粒子 0 引 言 不同维使用不同权重的策略，加速粒子收敛速度 ，由于粒子在进 化后期差异性会减小，为此在适当时机调整权重策略，并引入维 粒子群优化PSO，又称微粒群优化 ，是 由文献 [1]基于一种 变异策略，利用混沌变异思想