一种新的自适应混沌粒子群算法.pdfVIP

长江大学学报 (自然科学版)理工 2012年12月第9卷 第12期 JournalofYangtzeUniversity(NatSciEdit)SciEng Dec．2012，Vo1．9No．12 doi：10．3969／j．issn．1673—1409(N)．2012．12．034 一 种新的自适应混沌粒子群算法 李梦霞 (长江大学信息与数学学院，湖北荆州434023) 关 雪 (江汉机械研究所，湖北荆州434000) 吕一兵 ，陈 忠 (长江大学信息与数学学院，湖北荆州434023) [摘要]提 出了一种新的自适应混沌粒子群算法。在标准粒子群算法中引入An混沌映射，以特殊的方式， 利用 An混沌映射来初始化粒子 的位置和速度 ，并且每隔一定的代数就用 An混沌扰动部分粒子的位置和 速度。数值仿真的结果表明，该算法的收敛性和全局搜索能力得到提高，能有效避免早熟收敛。 [关键词]混沌；粒子群算法；适应度值；收敛速度 [中图分类号]TP301．6 [文献标识码]A [文章编号]1673—1409 (2012)l2一N105—03 粒子群算法 (PSO)是群随机搜索算法，其产生受到了鸟群的个体行为和群体行为的启发。群体中 的成员通过通信分享在对环境的搜索中发现的共同 目标 。原始的PSO是Kennedy和 Eberhart提出的， 后来 ，Shi等对速度项 引入惯性权重 ，得到了标准 PSO形式[1]。现在，标准 PSO是一种流行 的优化算 法，被应用于神经网络训练、控制、电力系统、管理设计、系统辨识和状态评估等多方面。PSO的流 行部分是因为它形式简单，更主要是因为它能以较低的消耗获得好的结果∞]。PSO适合于搜索空间大 且具有许多局部极小值的问题 (以求最小值点为例)或者是 目标函数的性质很差的问题 。 在应用中，PSO表现出早熟收敛 的问题 ，一种解决方法是引人跳出局部最优 的机制。混沌因为具 有随机性和遍历性，所以它是一种合适的机制 j。下面，笔者利用An混沌来帮助 PSO跳出局部最优 ， 提出了一种新的自适应混沌粒子群算法 (AC-PSO)。 1 An混沌与标准PSO 1)An混沌 An提出了一种随机数产生格式L4]： f导+丢 o≤1 计1一_j专《 ， (一0，1，2，…) (1) n 一 ÷ 12≤ 式 (1)能产生周期为无穷的序列，其经验分布为 F()===(1fi(y+ 1／2)+ln(2))／ln(3)。根据 CX ： (1n(y+1／2)+ln(2))／ln(3)得到的序列{CX}可以看作是服从 [O，1]上均匀分布的随机数列。 2)标准PSO PSO中，称待优化问题的每个可能解是一个粒子，粒子具有速度和位置，但设有体 积和质量。对第t次迭代、第 i个粒子在搜索空间中具有位置X：一 (： z： …，zt)，其 中，d表示解的维 数 ；粒子的集合 S一 {zi，zi，…，Xj)被称为粒子群。第 t次迭代、第 i个粒子的速度记为口：：： …， ：，，其中，：，表示第t次迭代、第 i个粒子第愚维的速度。粒子群使用下面的更新方程更新速度和位置： Vt+l— W × ：+Cl×rl× ( ，J— ：，)+C2×r2× ( ．，一 ：．』) Xi,j：=z：，J+,ot+l (2) ， 式中，P 表示第i个粒子到 目前为止找到的最优解的第J个分量的值 ；P 一 ( l’…，P 被称为个体最 优 ；P 表示粒子群 (S)到 目前为止找到的最优解的第 个分量的值 ； 一 ．1…， ，被看做领导粒子， P和P ，每个粒子都能够同时利用个体和群体信息来更新 自己的速度和位置；C，C∈R是学习因子，分别 代表了个体最优解和全局最优解的影响权重；r，r。是[O，1]上均匀分布的独立随机数；W是迭代权重，它 [收稿 日期]2012—09—25 [基金项目]田家自然科学基金项目 11201039；国家科技重大专项 (2008ZX05020—005)；湖北省教育厅重 点项 目 (；湖北省教育厅优秀中青年项 目 (。 [作者简介]李梦霞