粒子群优化算法的变形.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 粒子群优化算法的变形 袁代林 YUAN Dailin 西南交通大学 数学学院 统计系 ，成都 610031 DepartmentofStatistics，SchoolofMathematics，SouthwestJiaotongUniversity,Chengdu610031，China YUAN Dailin．Transformationofparticleswarm optim izationalgorithm．ComputerEngineeringandApplications， 2015．51 5 ：23—26． Abstract：Thefunctionsofinertancepart，individualperceptionpartandpopulationperceptionpartabouttheparticleswarm optimizationalgorithm areanalysed．Everypartoftheiterativeequationsabouttheparticleswarm optimizationalgorithm istransformed．Threenewparticleswarm optimizationalgorithmsareobtained．Thethreenew algorithmspossessprefera· bleoptimizationabilitieswhichareillustratedbyexamples． Keywords：particleswarl／loptimizationalgorithm；transfomr ationformula；optimization 摘 要 ：分析 了粒子群算法的惯性部分、个体认知部分和群体认知部分的作用，对粒子群算法迭代方程的各部分进 行变形，获得 了三种新形式的粒子群算法。用算例说明所得到的三个新的粒子群算法具有较好的优化能力。 关键词 ：粒子群优化算法；公式变形；最优化 文献标志码：A 中图分类号：TP301．6 doi：10．3778~．issn．1002—8331．1410—0256 l 引言 糊算法和模拟退火算法来改进粒子群算法并应用于参 自从 1995年粒子群优化PSO ParticleSwamr Opti— 数估计问题 中。有些学者结合研究的具体问题提出对 mization 算法被提出以来 ，PSO以良好的优化能力在各 粒子群算法的改进。胡旺等”针对多 目标优化问题提 个领域得到广泛的应用。PSO通过简单的个体行为，借 出用Pareto熵估计种群的进化状态达到对粒子群算法 助群体的优势，形成了整体上的智能特征…。 的改进 ；马冬青等 在车辆调度的复杂问题中引入爬山 原始的PSO算法在复杂 、多局部极值的优化问题中 算法提高粒子群算法的局部搜索能力；周静等u俐用邻 容易陷入局部最优 ，对PSO算法的改进是研究PSO的 域搜索机制提高虚拟角色路径规划中粒子群算法的优 重点之一。饶兴华等 利用动态调整算法参数来避免早 化能力；韩贤权等 针对点云数据配准的困难 ，对相邻 熟现象；黄泽霞等 怕适应地调整惯性权重以提高算法 点云重叠区域的数据进行全局搜索实现散乱点云的精 的收敛速度；张成兴 利用压缩因子和综合信息来平衡 确配准。 算法的局部和全局搜索 ；刘晓乐 对收缩因子的粒子群 在上述改进措施中常常融合了其他优化方法 ，增加 算法进行了改进并应用于心脏电流模型重构中；逯少华 了算法的复杂性 ，而且未涉及对PSO本身的实质性的改 等 提出了种群的分布特征来改进粒子群算法 ；那 日苏 变。考虑到PSO算法的迭代方程中主要是速度更新 ，速 等 基于仿生学在迭代公式中加入负梯度项平衡算法的 度更新方程有惯性部分 、个体认知部分和群体认知部 局部和全局搜索 ；李会荣等 通过引入随机调节因子克 分。三部分的作用是使粒子向更好的方向运动 ，同时使 服算法的早熟收敛。与其他优化算法混合也有利于改 粒子具有一定的探索能力，避免陷入局部最优。个体认 进粒子群算法的优化能力。刘道华等 用混沌映射规则 知部分和群体认知部分分别是个体最优位置和群体最 改进粒子群算法并应用于约束优化问题；章慧云等 研 优位置与粒子当前位置的差，所以这两个差使粒子向着 究了免疫粒子群等混合算法的优缺点；王琼等 u结合模 最优的方向运动。但对于惯性部分，虽然它吸取了物理 基金项 日：中央高校基本科研业务费专项资金 No．座机电话号码CX037 。 作者简介：袁代林 1973一 ，男 ，博士，讲师 ，研究领域