自适应模糊的粒子群优化算法.pdf

46 2010，46(33) ComputerEngineering口 4 ，fc口ffD 计算机工程与应用 自适应模糊的粒子群优化算法 周松华 ，欧阳春娟 ，刘 昌鑫 ，朱 平 ZHOU Song—hua，OUYANG Chun_juan1,2,LIU Chang—xin，ZHU Ping 1．井冈山大学 电子信息工程学院，江西 吉安 343009 2．深圳大学 信息工程学院，广东 深圳 518060 1．College ofElectronicsand InformationEngineering，Jinggangshan University，Ji’an，Jiangxi343009，China 2．CollegeofInfomr ationEngineering，Shenzhen Universiyt，Shenzhen，Gunagdong 518060，China E—mail：oy~001@163．com ZHOU Song-hua。OUYANG Chun-juan，LIU Chang-xin，eta1．Adaptivefuzzyparticleswarm optim~afionalgorithm．Cam- puterEngineeringandApp~cations。2010。46(33)：46—48． Abstract：Standardparticleswalin algorithm iseasy to fallinto localoptimum．AnAdaptiveFuzzyParticleSwarm Optimiza— fion(AFPSO)basedOntheuncertaintyofthePSO isproposed．Inhteimprovedalgorithm，theinertiaweightandtheparticle positionupdateare controlledby fuzzy membership function，and theglobaloptimalvalue isreplacedby theweightedaver- age ofal1particlesoptimalvalueto enhancethelearning abiliyt ,amongparticles．Theexperimentalresultsshow that，com— paredwiht htecorrelationalgorithm，hteproposedmethod issimplenadmoreflexibletoadjustglobalandlocalsearch， which alsoavoidshteprematureconvergenceproblem ，and improveshtesearch accuracy． Key words：particle swarm ；fuzzy control；globaloptimal；convergence 摘 要：标准粒子群算法易陷入局部最优值。根据粒子群算法中的不确定性因素，提出自适应模糊的粒子群优化算法 (AFPSO)。 在该算法中，对惯性权值和位置更新采用模糊控制，用所有粒子的个体最优的加权平均替代全局最优值，增强了粒子之间相互学 习的能力。仿真实验表明，AFPSO算法简单，可灵活地调节全局搜索和局部搜索能力，与已有相关算法比较 ，较好地解决了粒子 群早熟问题，并提高了搜索精度。 关键词：粒子群；模糊控制；全局最优；收敛 DOI：10．37788．issn．1002—8331．2010．33．013 文章编号：1002。833l(2010)33—0046．03 文献标识码：A 中图分类号：TN301．6 1 引言 自己的飞行方向和速度。仿真实验结果表明该算法在保持粒 粒子群优化算法 (ParticleSwamr Optimization，PSO)是 子群算法简单、收敛速度快等特点的同时，有效地解决了陷入 由Eberhart和Kennedy[】于 1995年提出的一种模拟鸟群捕食 局部最优的缺点，并提高了算法搜索的精度。 的群体智能算法，随后Shi等 在算法中引入惯性权重O9来控 制粒子的收敛和探索能力，形成了标准的粒子群算法。粒子 2 粒子群优化算法 群算法具有简单、收敛快等优点，同时存在寻优精度较低、易