一种自适应改变惯性权重的粒子群算法.pdfVIP

第 12卷 第 9期 2012年 3月 科 学 技 术 与 工 程 Vo1．12 No．9 Mar．2012 1671— 1815(2012)09·2205—04 ScienceTechnologyandEngineering @ 2012 Sci．Tech．Engrg． 计算机技术 一 种 自适应改变惯性权重的粒子群算法 许少华 李新幸 (东北石油大学计算机与信息技术学院，大庆 163318) 摘 要 针对标准粒子群算法收敛性和收敛速度的问题，分析标准粒子群算法惯性参数对算法性能优化的影响，提出一种自 适应改变惯性权重的粒子群算法(ACPSO)。通过对粒子速度和位置变化过程的分析，并结合早熟收敛程度和个体适应值 自 适应地调整惯性权重，使得算法能在全局收敛性和收敛速度之间找到 良好的平衡关系，并且通过典型的函数测试，表明此方 法有效地控制了粒子群的多样性，而且具有 良好的收敛速度。 关键词 粒子群算法 惯性权重 自适应 中图法分类号 TP301．6； 文献标志码 A 粒子群算法 (ParticleSwarmOptimization，PSO) 1 标准PSO概述 是 1995年 由美国电气工程师 RussellEberhart和社 会心理学家 JamesKenned受到 自然界鸟群和鱼群 PSO算法中每个粒子都是解空间的一个解，粒 的社会性行为的启发，提出的一种智能算法 (简称 子的好坏 由一个事先设定的适应度函数来确定。 PSO)…。算法模拟鸟类觅食行为，通过个体问相互 每个粒子由一个速度变量决定其在可行解空间中 协作使整体达到最优。其后Shi和Eberhart提出了 的运动方向和距离。粒子根据 自身的最优位置和 惯性权重的粒子群算法 提高了算法的性能，控制 整个粒子群体的最优位置，去调节 自身的飞行方向 了算法的开拓和探索能力，成为当前的标准版本。 和速度，粒子间相互作用，向最优粒子飞行。基本 由于算法结构简单，参数少，实现简单等优点，粒子 PSO算法 可描述如下：设在 t／维空间中，有m个 群算法应用于许多科学和工程领域。 粒子组成一个种群，其中第 i个粒子的位置置、速度 研究表明，PSO算法具有容易陷入局部最优，多 、 自身最优位置P、全局最优位置P 分别为：置= 样性损失和不收敛等缺点。近年来，研究者从参数 (1， ，…， )； =(1， ，…， )；P ：(Pn，P2， 设置、提高算法收敛性、多样性、与其它算法融合等 … ，P )。 角度对传统 PSO进行研究 J，提出了多重改进方 粒子状态更新策略为 法。在前人研究的基础上，对 PSO算法中惯性权重 (t+1)= (t)+c1r(P —X(t))+ 的作用进一步分析，提出了一种能 自适应改变惯性 cr(P 一置 (t)) (1) 权重的粒子群算法，算法通过对粒子速度和位置变 X (t+1)=X(t)+ (t+1) (2) 化过程运用差分方程进行分析，得到了粒子群算法 其中，：1，2，3，…，n；W是惯性因子；C、c是常数； 的收敛条件，运用正弦函数调整惯性权重，并结合