压缩搜索空间与速度范围粒子群优化算法.pdfVIP

第26卷第5期 东 北 大 学 学 报 ( 自 然 科 学 版 ) V01．26 No．5 2005年 5月 JournalofNortheasternUniversity(NaturalScience) Mav 2005 文章编号：1005—3026(2005)05—0488—04 压缩搜索空间与速度范围粒子群优化算法 陈炳瑞 ，冯夏庭 (东北大学 资源与土木工程学院，辽宁 沈阳 110004) 摘 要：为了改善粒子群优化(PrO)算法的搜索性能，提出一种改进的粒子群算法… csv pso算法．该算法在粒子群进化的过程中根据粒子群的最佳适应值动态地压缩粒子群的搜索空问 与粒子群飞行速度范围；针对PrO 算法可能出现的暂时停滞现象，引入分区重新初始化机制．数值 仿真结果表明：随着粒子群进化，适当的压缩粒子群搜索空间与飞行速度范围，有利于加速算法收 敛，提高收敛精度；该算法收敛速度更快，精度更高，运行更为稳定． 关 键 词：粒子群优化；群智能；进化计算；随机优化；自适应 中图分类号：TP18 文献标识码：A 粒子 群优化 (ParticleSwarm Optimization， CSV—pso)算法． PSO)算 法 是 一 种 基 于 群 智 能 (Swamr I PSO算法 Intelligence)方法的演化计算技术，是一种基于群 体的优化工具．自从 1995年Kennedy和Eberhart PSo算法是受人工生命 (ArtificialLife)研究 提出PSO后[1，，作为一种新的全局优化算法，已 结果的启发而提出的，其基本概念源于对鸟群捕 经成功地用于函数优化、系统辨识、神经网络训 食行为的研究．在PSO中，鸟被抽象为没有质量 练[3-5』等领域． 和体积的微粒(点)，并将其延伸到M 维空间，粒 与其他全局优化算法(如遗传算法)一样，粒子 子 i在 M 维空间里 的位置表示为矢量 Xi= 群优化算法同样存在早熟收敛现象，尤其是在比较 (X X2，…，XM)，飞行速度表示为矢量 Vi= 复杂的多峰搜索问题中．为解决这一问题并提高算 (Vi1，Vi2，…， M)；矢量 P=(P小P2，…，P删) 法的收敛速度，惯性权重(inertiaweight)法_6J、压 和 ：( 1， 2，…， )分别为第 i个粒子迄 缩因子 (constrictionfactor)法 7‘J、杂 交 PSO算 今为止搜索到的最优位置和整个粒子群迄今为止 法 8J、自适应变异法l]等改进方法先后被提出． 搜索到的最优位置．每个粒子在M 维空间的位置 惯性权重法、杂交 PSO算法、自适应变异法这些 X就是其在问题空间中的一个潜在解．将其代人 方法很好地解决了早熟收敛问题，但存在收敛速 目标函数就可计算出其适应值，根据粒子适应值的 度低的问题；压缩因子法提高了收敛速度，仍存在 大小来衡量X 的优劣．PSO的搜索过程主要是依 早熟收敛现象，偶尔会出现不收敛的情况_7J．文 靠粒子间的相互作用和相互影响完成的．粒子位 献[10]兼顾优化问题对收敛速度和寻优精度的双 置与速度的更新公式ll6J： 重要求对PSO算法进行了改进，在一定程度上既 Vij：WVid+C1r1(Pid—X )+ 提高了收敛速度又降低了早熟收敛的比率，是一 c212( 一X )， (1) 种较好的折中方案．本文深入研究了PSO算法的