《动态环境下一种改进的微粒群算法 An improved particle swarm optimizer in dynamic environments》.pdfVIP

2008年4月 系统工程理论与实践 第4期 文章编号：1000—6788(2008)04—0096．05 动态环境下一种改进的微粒群算法 胡 静，曾建潮，谭 瑛’ (太原科技大学计算机科学与技术学院，太原030024) 摘要： 改进了动态环境下微粒群算法常用的环境检测方法，同时使用环境变化前后全局最好解的距离 D蛐(t)和种群多样性diversity(s)作为响应变化环境的依据，并将其与改进的响应方法相结合，在增加种 群多样性的同时及时响应了动态环境中的各种变化．最后，将其应用于各种复杂变化的抛物线函数中， 并与Eberhart-PSO和APSO进行了对比，结果表明了该算法的有效性． 关键词： 微粒群算法；动态环境；种群多样性 ’ 中图分类号：TPl8 文献标志码：A An swarm in environments improvedparticle optimizerdynamic HU Jian-chao，TAN Jing，ZENG Ying (Schoolof Scienceand ofScienceand 030024，China) Computer Technology，TaiyuanUniversity Technology，Taiyuan Abstract：Ausualdetection of 8warm in environmentsismodified．Then，a techniqueparticle optimizationdynamic newmethod of not increases response，guidedby populationdiversity，isdesigned，whichonly population D如l(t)and also for in benchmark thevarious environments diversity，butresponds changesdynamic time．Finally。theparabolic functionswithvarious to withtheEbedmrt-PSOand the showthe severities玳used APSO，andresults test，compared iseffective． algorithm 8wsznl Keywords：particleoptimization；dyrnamicenvironments；populationdiversity 1 引言 Swarm 微粒群算法(Particle 群体行为的进化计算方法．这种算法体现着一种简单朴素的智能思想：鸟类在搜索空间中根据自身的飞行 经验以及同伴的飞行经验动态地调整自己的方向和速度，试图停落在鸟群中而不致相互碰撞．与其它进化 类优化算法相类似，也采用“群体”和“进化”的概念，同样也是依据个体适应值的大小进行操作，所不同的 是微粒群算法把每个个体视为搜索空间中一个没有重量和体积的微粒，每个微粒都被赋予一个随机设定 的初始位置和速度向量．所有的