基于聚集度与向量相似度的粒子群算法.pdfVIP

第３０卷第１１期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．１１ ２０１３年１１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｎｏｖ．２０１３ 基于聚集度与向量相似度的粒子群算法 １ ２ 何琼月 　王　斌 １（南京财经大学信息工程学院　江苏南京２１００４６） ２（南京财经大学电子商务省级重点实验室　江苏南京２１００４６） 摘　要　　针对粒子群算法在运行后期易出现种群多样性丢失、早熟收敛这一现象，提出一种基于聚集度与向量相似度的改进的算 法。首先基于向量的欧氏距离定义了聚集度的概念，用来衡量种群的多样性；然后采用向量的夹角余弦值来衡量粒子的相似度，为 粒子的变异提供依据；最后为了跳出局部最优，对粒子实施散离策略。仿真实验结果表明改进算法具有更强的寻优能力、更快的收 敛速度，且解的稳定性更好。 关键词　　粒子群优化　多样性　聚集度　向量相似度　散离策略 中图分类号　ＴＰ３０１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．１１．０４７ ＰＡＲＴＩＣＬＥＳＷＡＲＭＯＰＴＩＭＩＳＡＴＩＯＮＡＬＧＯＲＩＴＨＭＢＡＳＥＤＯＮ ＡＧＧＲＥＧＡＴＩＯＮＤＥＧＲＥＥＡＮＤＶＥＣＴＯＲＳＩＭＩＬＡＲＩＴＹ １ ２ ＨｅＱｉｏｎｇｙｕｅ　ＷａｎｇＢｉｎ １（ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓ，Ｎａｎｊｉｎｇ２１００４６，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） ２（ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥｌｅｃｔｒｏｎｉｃＢｕｓｉｎｅｓｓ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓ，Ｎａｎｊｉｎｇ２１００４６，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｌａｔｅｓｔａｇｅｏｆｉｔｓｏｐｅｒａｔｉｏｎ，ｓｔａｎｄａｒｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎｉｓｅａｓｙｔｏｌｏｓｅｔｈｅｐｏｐｕｌａｔｉｏｎｄｉｖｅｒｓｉｔｙａｎｄｔｏｈａｖｅｐｒｅｍａｔｕｒｅ ｃｏｎｖｅｒｇｅｎｃｅ．Ａｉｍｉｎｇａｔｔｈｉｓｐｈｅｎｏｍｅｎｏｎ，ａｎｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎａｇｇｒｅｇａｔｉｏｎｄｅｇｒｅｅａｎｄｖｅｃｔｏｒｓｉｍｉｌａｒｉｔｙ（ＡＤＶＳＰＳＯ）ｉｓｐｒｅｓｅｎｔｅｄ ｉｎｔｈｉｓｐａｐｅｒ．Ｆｉｒｓｔ，ｗｅｄｅｆｉｎｅｔｈｅｃｏｎｃｅｐｔｏｆｔｈｅａｇｇｒｅｇａｔｉｏｎｄｅｇｒｅｅｂａｓｅｄｏｎＥｕｃｌｉｄｅａｎｄｉｓｔａｎｃｅｏｆｖｅｃｔｏｒｓｔｏｍｅａｓｕｒｅｔｈｅｄｉｖｅｒｓｉｔｙｏｆｔｈｅ ｐｏｐｕｌａｔｉｏｎ．Ｔｈｅｎ，ｗｅｍｅａｓｕｒｅｐａｒｔｉｃｌｅｓｉｍｉｌａｒｉｔｙｔｈｒｏｕｇｈｔｈｅｃｏｓｉｎｅｖａｌｕｅｏｆｔｈｅａｎｇｌｅｂｅｔｗｅｅｎｖｅｃｔｏｒｓｔｏｐｒｏｖｉｄｅｔｈｅｅｖｉｄｅｎｃｅｏｆｐａｒｔｉｃｌｅ ｖａｒｉａｔｉｏｎ．Ｆｉｎａｌｌｙ，ｉｎｏｒｄｅｒｔｏｅｓｃａｐｅｆｒｏｍｌｏｃａｌｏｐｔｉｍａ，ｗｅｉｍｐｌｅｍｅｎｔａｄｉｓｃｒｅｔｅｓｔｒａｔｅｇｙｏｎｔｈｅｐａｒｔｉｃｌｅｓ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅ ｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｈａｓｍｏｒｅｐｏｗｅｒｆｕｌｏｐｔｉｍｉｓａｔｉｏｎａｂｉｌｉｔｙ，ｂｅｔｔｅｒｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄａｎｄｍｏｒｅｓｔａｂｌｅｓｏｌｕｔｉｏｎｓ． Ｋｅｙｗｏｒｄｓ　　Ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎ　Ｄｉｖｅｒｓｉｔｙ　Ａｇｇｒｅｇａｔｉｏｎｄｅｇｒｅｅ　Ｖｅｃｔｏｒｓｉｍｉｌａｒｉｔｙ　Ｄｉｓｃｒｅｔｅｓｔｒａｔｅｇｙ