《基于种群年龄模型的动态粒子数微粒群优化算法 Dynamic particle population particle swarm optimization based on population age model》.pdfVIP

第32卷第11期 系统工程理论与实践 v01．32，No．11 2012年11月 Systems Nov．．2012 Engineering—Theory＆Practice 文章编号：1000—6788(2012)11—2550—07中图分类号：TPl8 文献标志码：A 基于种群年龄模型的动态粒子数微粒群优化算法 江善和·，一，纪志成·，张日东s，沈艳霞， (1．江南大学电气自动化研究所，无锡214122；2．安庆师范学院物理与电气工程学院，安庆246011 3．杭州电子科技大学信息与控制学院，杭州310018) 摘要针对微粒群优化算法的早熟停滞缺陷问题，提出了一种基于种群年龄模型的动态粒子数微 粒群优化算法．该算法建立了生物种群年龄模型：将每个粒子划分为不同的年龄段，动态地依据种 群环境和个体信息有效地控制种群的粒子数规模；设计了较优粒子的生殖策略和较差粒子的死亡 策略，增加群体的多样性和减少冗余计算量，以保证算法获得最优性能．将此算法与其他改进算法 进行比较，仿真测试结果表明，新算法具有较高的全局搜索成功率和效率，计算量显著降低，优化精 度显著提高，能够有效地避免算法陷入局部停滞的缺点． 关键词微粒群优化算法；早熟停滞；种群年龄模型；动态粒子数 swarm based Dynamicparticlepopulationparticle optimization on model population age JIANG Yan．xial Shan—hel，2，JIZhi—chen91，ZHANGRi—don93，SHEN ofElectrical of andPower (1．Institute Automation，JiangnanUniversity，Wuxi214122，China；2．DepartmentPhysics Normal and Dianzi Control Engineering，AnqingCollege，Anqing246011，China；3．InformationInstitute，Hangzhou University，Hangzhou310018，China) AbstractForthe that swarm oftensuffersfrom particle problem optimization(PSO)algorithmbeing inlocal SOastobe PSObased trapped optima prematureconvergence，adynamicparticlepopulation on modelis to control populationa