引入测评机制的综合学习粒子群优化算法.pdfVIP

2015年 3月 计算机工程与设计 Mar．2015 第 36卷 第3期 COM PUTER ENGINEERING AND DESIGN Vo1．36 No．3 引入测评机制的综合学习粒子群优化算法 喻 雪 ，胡晓敏 ，林 盈。+ (1．中山大学信息科学与技术学院，广东广州 510006；2．中山大学公共卫生学院卫生信息研究中心 广东省卫生信息学重点实验室，广东广州 510080；3．中山大学 心理学院，广东广州 510275) 摘 要：综合学习粒子群算法 (CLPSO)能够改善粒子群算法多样性差且易局部收敛的问题，相比传统PSO算法能够一定 程度避免算法早熟，但却存在收敛速度慢的问题。对此，提 出一种 CLPSO的改进算法 (CLPSO-II)，为每个粒子随机构造 两个学习粒子，引入测评机制，择优学习。实验结果表明，CLPSO-II能有效提高CLPSO的搜索效率，在处理多峰函数 时，其性能优于传统粒子群算法 (PSO)、全面学习粒子群算法 (FIPS)和综合学习粒子群算法 (CLPSO)。 关键词：多峰函数；粒子群算法；全面学习粒子群算法；综合学习粒子群算法；CLPSO-II 中图法分类号：TP18 文献标识号：A 文章编号 ：1000—7024 (2015)03—0753—06 doi：10．16208／j．issnl000—7024．2015．03．038 Improvingperformanceofcomprehensivelearningparticleswarm optimizationbyembeddingexemplarevaluationstrategy YU Xue ，HU Xiao—minz，LIN Ying~+ (1．SchoolofInformationScienceandTechnology，SunYat-senUniversity，Guangzhou510006，China；2．Guangdong ProvinceKeyLaboratoryofHealthInformatics，HealthInformationResearchCenter，SchoolofPublicHealth，SunYat-sen University，Guangzhou510080，China；3．SchoolofPsychology，SunYat-senUniversity，Guangzhou510275，China) Abstract：Thecomprehensivelearningparticleswarm optimizer(CLPSO)proposedintheliteraturehassuccessfullyimproved thepopulationdiversityoftraditionalPSO SOastoavoidtheprematureconvergencetosomeextent．However，thealgorithm an— counterstheproblem ofslow convergencespeed，especiallyduringthelaterstageofsearch process．An improvedversionof CLPSO (termedCLPSO-II)waspropo sed，whichconstructedtwoexemplarsforeachparticleandchoetheonewithbetterfit— nesstOlearnaccordingtOanexemplarevaluation strategy．ExperimentalresultshowsthatCLPSO-IIimprovesthesearcheffi— ciencyofCLPSO，anditcomprehensivelyoutperformstraditionalPSO，FIPSandCLPSO whendealingwithmultimodalfunc— tions． Keywolds：multimodalfunctions；particleswarm optimization；full