一种新的粒子群优化算法.pdfVIP

第36卷 第9期 计 算 机 工 程 2010年5月 VoL36 No．9 ComputerEngineering M ay 2010 · 人工智能及识别技术 · 文章编号：1000—_3428(2010)09—_ol92—_03 文献标识码：A 中圈分类号：TP311．52 一 种新的粒子群优化算法 代 军，李 国，徐 晨，陶 艾 (深圳大学数学与计算科学学院，深圳 518060) 摘 要：针对传统粒子群优化算法容易早熟、收敛精度低等缺点，提出一种改进方案，使用随机惯性权重，在每一次迭代中，对可能陷入 局部极值的粒子进行有效的随机初始化。通过对7个经典测试函数的数值仿真实验证明，该新算法能提高粒子群优化算法的寻优能力，并 在维数较高时也能获得较好的优化效果。 关键诃：粒子群优化；权重；随机初始化 New ParticleSwarm OptimizationAlgorithm DAIJun，LIGno，XUChen，TAOAi (CollegeofMathematicsandComputationalScience，ShenzhenUniversity,Shenzhen518060) [Abstract|ToovercomethedisadvantagesofParticleSwarm0ptimization(PsO)algorithmsuchaspremature，badconvergenceprecision，anew improvementschemeispresented．Inthenew algorithm，random inertiaweightisused，andateachiteration，theparticleswhichmayfallintothe localextremum areaarerandomly initializedreneWedlyin aneffectivemethod．Thenumericexperimentsofsevenclassicbenchmarkfunctions indicatethatthenew algorithm greatlyimprovestheparticles’abilityofsearchingglobaloptimalvalue，andhasgoodresultsinhigherdimensions． [Keywords]ParticleSwarmOptimization(PsO)；weight；randominitialization l 概述 算法在随机初始化一群粒子之后迭代运行，且在每次迭代过 粒子群优化(ParticleSwarmOptimization，PSO)算法是 程中，粒子通过式(1)、式(2)更新 自己，直到满足迭代停止条 一 种模拟鸟群飞翔、鱼群游泳的群智能仿生优化算法，其概 件为止。 念明确、易于实现，目前已经得到广泛应用[1-21~但 PSO算 上述算法在实验中存在收敛速度慢、精度差的缺点。为 法存在的最突出问题是在进化后期容易陷入局部极值区域， 了加快收敛速度和精度，有学者引入惯性权重的概念，并提 难以收敛到全局最优解，从而又限制其进一步应用。因此， 出一种线性递减的权重策略，即将式(1)变形为 提高PSO算法的优化性能显得尤为必要。 。 =w 十cl( 一 )+c2rl( 一 ) (3) 本文分析PSO算法陷入局部极值区域时种群的特点，将 其中，W称为惯性权重，W：Wm 一(Wm 一wm．)xiter／iterm ， PSO算法的最新进展[3-4]和粒子自身信息相结合