基于寿命的粒子群算法研究.pdfVIP

第２８卷第６期　　　 计算机应用与软件 Ｖｏｌ２８Ｎｏ．６ ２０１１年６月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｎ．２０１１ 基于寿命的粒子群算法研究 刘 建 军 （德州学院计算机系　山东德州２５３０２３） 摘　要　　针对粒子群算法易陷入局部最优的缺陷，提出了一种具有寿命的ＰＳＯ（ＬＳＰＳＯ），算法赋予ｇｂｅｓｔ有限的寿命，并且根据 其引导能力对寿命进行自适应调整。当ｇｂｅｓｔ耗尽其寿命时，它将失去领导能力，并被一个新产生并经测试具有足够引导能力的粒 子所代替，继续引导群体搜索解空间的不同区域，并在两个单峰标准测试函数和六个多峰标准测试函数上对算法进行了测试。结果 表明，ＬＳＰＳＯ比传统ＰＳＯ及改进算法ＣＬＰＳＯ有更好的求解精度和收敛速度。 关键词　　粒子群优化　局部最优　有限寿命　粒子替换 ＲＥＳＥＡＲＣＨＯＮＰＡＲＴＩＣＬＥＳＷＡＲＭＯＰＴＩＭＩＳＡＴＩＯＮＢＡＳＥＤＯＮＬＩＦＥＳＰＡＮ ＬｉｕＪｉａｎｊｕｎ （ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＤｅｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｄｅｚｈｏｕ２５３０２３，Ｓｈａｎｄｏｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｆｏｒｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎ（ＰＳＯ）ａｌｇｏｒｉｔｈｍｓｕｆｆｅｒｓｆｒｏｍｂｅｉｎｇｔｒａｐｐｅｄｉｎｌｏｃａｌｏｐｔｉｍａｌ，ａＰＳＯｗｉｔｈ ｌｉｆｅｓｐａｎ（ＬＳＰＳＯ）ｉｓｐｒｏｐｏｓｅｄ，ｔｈｅａｌｇｏｒｉｔｈｍｅｎｄｕｅｓｇｂｅｓｔｗｉｔｈｌｉｍｉｔｅｄｌｉｆｅａｎｄａｄａｐｔｉｖｅｌｙａｄｊｕｓｔｔｈｅｌｉｆｅａｃｃｏｒｄｉｎｇｔｏｉｔｓｉｎｄｕｃｉｎｇａｂｉｌｉｔｙ． Ｗｈｅｎｇｂｅｓｔｕｓｅｓｕｐｉｔｓｌｉｆｅ，ｉｔｗｉｌｌｌｏｓｅｉｔｓｌｅａｄｉｎｇａｂｉｌｉｔｙａｎｄｗｉｌｌｂｅｒｅｐｌａｃｅｄｂｙａｎｅｗｇｅｎｅｒａｔｅｄｐａｒｔｉｃｌｅｗｉｔｈｓｕｆｆｉｃｉｅｎｔｉｎｄｕｃｉｎｇａｂｉｌｉｔｙａｆｔｅｒ ｂｅｉｎｇｔｅｓｔｅｄｓｏａｓｔｏｃｏｎｔｉｎｕｅｔｏｌｅａｄｔｈｅｓｗａｒｍｓｅａｒｃｈｉｎｇｄｉｆｆｅｒｅｎｔｓｐａｔｉａｌｒｅｇｉｏｎｓ．Ｔｅｓｔｓｏｆｔｈｅａｌｇｏｒｉｔｈｍａｒｅｃｏｎｄｕｃｔｅｄｏｎｔｗｏｕｎｉｍｏｄａｌａｎｄ ｓｉｘｍｕｌｔｉｍｏｄａｌｂｅｎｃｈｍａｒｋｔｅｓｔｉｎｇｆｕｎｃｔｉｏｎｓ．Ｔｈｅｒｅｓｕｌｔｓｈｏｗｓｔｈａｔ，ｔｈｅｐｒｏｐｏｓｅｄＬＳＰＳＯｏｕｔｐｅｒｆｏｒｍｓｔｈｅｔｒａｄｉｔｉｏｎａｌＰＳＯａｎｄｔｈｅｉｍｐｒｏｖｅｄ ｃｏｍｐｒｅｈｅｎｓｉｖｅｌｅａｒｎｉｎｇＰＳＯ（ＣＬＰＳＯ）ｗｉｔｈｒｅｓｐｅｃｔｔｏｔｈｅｓｏｌｕｔｉｏｎｑｕａｌｉｔｙａｎｄｔｈｅｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄ． Ｋｅｙｗｏｒｄｓ　　Ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎ　Ｌｏｃａｌｏｐｔｉｍａｌ　Ｌｉｍｉｔｅｄｌｉｆｅｅｘｐｅｃｔａｎｃｙ　Ｐａｒｔｉｃｌｅｒｅｐｌａｃｅｍｅｎｔ 度和收敛速度。 ０　引　言 １　粒子群算法简介 ［１］ 粒子群优化算法（ＰＳＯ）自１９９５年提出以来 ，因其实现简 单收敛速度快而受到众多研究者的青睐。然而，由于ＰＳＯ中的 粒子群优化（ＰＳＯ）算法是一种进化计算技术，源于对鸟群 每个个体都要向ｇｂｅｓｔ进行学习，当ｇｂｅｓｔ位于局部最优附近时， 捕食的行为的模拟。算法的搜索空间就是问题解的全集，其中 群体容易迅速向局部最优聚拢，从而导致早熟收敛。为克服 每个粒子代表一个可能解，粒子在