采用种群平均信息和精英变异de改进粒子群算法【精选】.pdfVIP

JournalofComputerApplications ISSN 1001—9081 2014—11．1O 计算机应用，2014，34(11)：3241—3244，3249 CODEN JYIIDU http：／／www．joca．CB 文章编号：1001—9081(2014)11．3241—04 doi：10．11772／j．issn．1001—9081．2014．11．3241 采用种群平均信息和精英变异的改进粒子群算法 林 国汉 ，章 兢 ，刘朝华 (1．湖南大学 电气与信息工程学院，长沙410082； 2．湖南工程学院 电气信息学院，湖南湘潭 411101； 3．湖南科技大学 信息与电气工程学院，湖南 湘潭 411021) ( 通信作者电子邮箱 lgh@hnu．edu．Clr1) 摘 要：针对基本粒子群优化(PSO)算法早熟收敛和后期搜索效率低的问题，提 出一种利用种群平均信息和精英 变异的粒子群优化算法——MEPs0算法。该算法引入粒子个体与群体的平均信息，利用粒子平均信息来提高算法全 局搜索能力，并采用时变加速系数(TVAC)以平衡算法的局部搜索和全局搜索能力；在算法后期 ，采用精英学习策略 对精英粒子进行柯西变异操作，以进一步提高算法的全局搜索能力，减少算法陷入局部最优的危险。在6个典型的复 杂函数上与基本PSO(BPSO)算法、时变加速因子PSO(PSOT·VAC)算法、时变惯性权重PSO(PSO．TV1w)算法和小波 变异 PSO(HPSOWM)算法进行对比，MEPSO的均值与标准方差均优于对比算法，且寻优时间最短，可靠性更好。结果 表明，MEPSO能较好地兼顾局部搜索和全局搜索能力，收敛速度快，收敛精度和搜索效率高。 关键词 ：粒子群优化；平均搜索；柯西变异；时变加速因子；全局搜索 中图分类号：TP301．6 文献标志码：A Improvedparticleswarm optimizationalgorithm using meaninformation andelitistmutation LIN Guohan， ，ZHANGJing，LIUZhaohua。 (1．CollegeofElectricalandInformationEngineering，HunanUniversity,ChangshaHunan410082，China； 2．ColelgeofElectricalandInformatoinEngineering,HunanInstituteofEngineering，XiangtanHunan411101，China； 3．SchoolofInformationand ElectricalEngineering，HunanUniversityofScienceandTechnology,XiangtanHunan411021，China) Abstract：ConcerningthatconventionalParticleSwarmOptimization(PSO)iseasytrappedinlocaloptimaandwithlow searchefficiency in laterstage，an improved PSO based on mena information and elitistmutation，named MEPSO，was proposed．AverageinformationofswallnwasintroducedintoMEPSO toimprovetheglobalsearchability，andTime—Varying AccelerationCoefficient(TVAC)s