一种基于遗传算法改进粒子群优化算法.pdfVIP

第２８卷第９期　　　 计算机应用与软件 Ｖｏｌ２８Ｎｏ．９ ２０１１年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０１１ 一种基于遗传算法改进的粒子群优化算法 １ ２ 潘　勇　郭晓东 １（山东大学信息科学与工程学院　山东济南２５０１００） ２（山东大学网络与信息中心　山东济南２５０１００） 摘　要　　在研究标准粒子群算法和遗传算法的基础上，介绍一种加入遗传选择，交叉算子以及变异算子的扩展算法，以提高粒子 群算法摆脱局部极值点的能力，并且算法具有较快的收敛能力。 关键词　　遗传算法　粒子群算法　交叉算子　变异算子 中图分类号　ＴＰ３０１．６　　　　文献标识码　Ａ ＡＮＩＭＰＲＯＶＥＤＰＡＲＴＩＣＬＥＳＷＡＲＭＯＰＴＩＭＩＳＡＴＩＯＮＡＬＧＯＲＩＴＨＭＢＡＳＥＤ ＯＮＧＥＮＥＴＩＣＡＬＧＯＲＩＴＨＭ １ ２ ＰａｎＹｏｎｇ　ＧｕｏＸｉａｏｄｏｎｇ １（ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｊｉｎａｎ２５０１００，Ｓｈａｎｄｏｎｇ，Ｃｈｉｎａ） ２（ＮｅｔｗｏｒｋａｎｄＩｎｆｏｒｍａｔｉｏｎＣｅｎｔｅｒ，ＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｊｉｎａｎ２５０１００，Ｓｈａｎｄｏｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｂａｓｅｄｏｎｓｔｕｄｙｉｎｇｓｔａｎｄａｒｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎａｎｄｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎｅｘｐａｎｄｅｄＰＳＯｂｙ ｉｎｔｒｏｄｕｃｉｎｇｇｅｎｅｔｉｃｓｅｌｅｃｔｉｏｎ，ｃｒｏｓｓｏｖｅｒｏｐｅｒａｔｏｒａｎｄｍｕｔａｔｉｏｎｏｐｅｒａｔｏｒｆｒｏｍｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ，ｗｈｉｃｈｍａｋｅｓＰＳＯｓｅａｒｃｈｐｒｏｃｅｓｓｇｅｔｒｉｄｏｆｌｏｃａｌ ｍｉｎｉｍｕｍａｎｄｈａｓａｒａｐｉｄｃｏｎｖｅｒｇｅｎｃｅｒａｔｅ． Ｋｅｙｗｏｒｄｓ　　Ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ　Ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎ（ＰＳＯ）　Ｃｒｏｓｓｏｖｅｒｏｐｅｒａｔｏｒ　Ｍｕｔａｔｉｏｎｏｐｅｒａｔｏｒ 行经验来调整自己的速度和位置，在解空间中进行搜索，经过迭 ０　引　言 代找到最佳解。在每次迭代中，粒子通过跟踪两个极值来更新 自己：即个体极值ｐｂｅｓｔ（粒子自身目前所找到的最优解）和全局 粒子群优化算法 ＰＳＯ（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ）是一种 极值ｇｂｅｓｔ（整个粒子群目前寻找到的最优解）。粒子更新本身 进化计算技术，该算法源于对鸟群捕食的行为研究，通过模拟鸟 速度与位置的公式为： ｎ＋１ ｎ ｎ ｎ ｎ ｎ 群觅食过程中迁徙和协同合作行为而提出的一种智能随机优化 　ｖ ＝ｖ ＋ｃ×ｒ×（ｐｂｅｓｔ －ｕ）＋ｃ×ｒ×（ｇｂｅｓｔ－ｕ）（１） ｘｙ ｘｙ １ １ ｘｙ ｘｙ ２ ２ ｙ ｘｙ 算法。其功能与遗传算法非常相似，也是一种迭代优