一种改进的混合粒子群优化算法.pdfVIP

第29卷 第3期 桂 林 工 学 院 学 报 Vo1．29No．3 2009年 8月 JournalofGuilinUniversityofTechnology Aug． 2009 文章编号：1006—544X (2009)03—0411—05 一 种改进的混合粒子群优化算法 蒙 正 中 (广西国际商务职业技术学院，南宁 530007) 摘 要：针对粒子群优化算法容易陷人局部极值点、进化后期收敛速度慢、精度较差等缺点，把 Hooke—Jeeves模式搜索方法作为粒子群优化算法的一个局部搜索算子，嵌入到粒子群算法中，Hooke— Jeeves的强局部搜索能力提高了粒子群优化算法的局部收敛速度和精度，从而提出了一种混合粒子群 优化算法。通过基准函数和实例测试进行了验证，结果表明，提出的混合算法的收敛速度和精度均优 于粒子群优化算法。 关键词 ：粒子群优化算法 ；Hooke-Jeeves方法 ；混合算法 中图分类号：TP301．6 文献标志码-A 提高了粒子群优化算法的性能，但算法本身也还 0 引 言 存在着不足。本文尝试把具有强局部收敛能力但 粒子群优化算法… (particleswarm optimiza— 收敛效果依赖于初始值的Hooke—Jeeves模式搜索方 tion，PSO)是 Kennedy和 Eberhart受鸟群的群体 法 (HJ) 作为一个算子，引入到PSO中，利用 运动的启发而于 1995年提出的一种新的群智能优 HJ算法的强收敛能力来提高PSO的收敛速度和求 化算法。由于PSO简单、收敛速度较快、参数少、 解精度，利用PSO算法的全局收敛性能给HJ算法 容易实现等优点，一经提出，便得到国内外学者 提供一个好的初始值 ，保证 HJ算法的收敛效果。 的广泛关注。目前，PSO已经在很多领域得到了 基于这样 的思想，本文提出了一种基于 HJ算法和 广泛应用，如 电力系统优化、TSP问题、函数优 PSO结合的混合粒子群算法，通过基准函数和实 化、参数辨识等 。随着研究的深入，人们发 例测试验证表明，算法的收敛速度和精度均优于 现，PSO本身也存在着一些不足，比如易陷入局 粒子群算法。 部极值点、进化后期收敛慢、精度较差等。为了 1 混合粒子群优化算法 克服这些缺点，提高PSO的性能，学者们对PSO 进行了很多改进。如：2004年，高鹰等 把模拟 1．1 基本粒子群算法 退火思想引入到具有杂交和高斯变异的粒子群优 粒子群算法是对鸟群觅食过程的迁徙和聚集的 化算法中，给出了一种基于模拟退火的粒子群算 模拟，描述了一群以一定速度在n维搜索空间中飞 法；2007年，贾东立等 为了解决粒子群算法早 行的微粒之间的互动行为，每个微粒的飞行速度和 熟收敛和搜索精度低的问题，提出了基于混沌变 位移可根据 自身和群体的飞行经验进行调整。粒 异的小生境粒子群算法；2008年，李季等 借鉴 子群中的每一个粒子代表了PSO系统的一个潜在 遗传算法中的选择交叉操作，提出了一种基于遗 解 ，而每个粒子的运动状态可用下面的公式表示： 传交叉因子的改进粒子群优化算法，等等。这些 口￡(k+1)=WV(Ii})+C1rand()(Pb 一 (k))+ 算法从不同方面对 PSO进行了改进，不同程度地 C2rand()(gb 一 i(k))； (1) 收稿 日期：2009—06—26 作者简介：蒙正中 (1954一)，男，副教授 ，研究方向：应用数学、计算智能及应用 ，E—mail：mzz@gxibvc．net。 4l2 桂 林 工 学 院 学 报 2009芷 (+1)= ()+ (+1)。