粒子群算法改进方法的分析.pdf

粒子群算法改进方法研究 摘要 本文在深入分析粒子群算法的缺陷及成因的基础上，引入了云理 论、人工鱼算法，并提出扩张变异算子等方法，对粒子群算法进行改 进，来提高算法的收敛速度和精度，有效克服了算法易陷于局部最优 的缺点。 本文主要工作包括： ①、提出一种基于扩张变异方法的云自适应粒子群算法，该算法 采用扩张变异方法进行变异，可避免因多维而多变量引起多因素的干 扰，加快搜索速度。该算法保持了算法结构简单的特点，改善了算法 的全局寻优能力，提高了算法的收敛速度和计算精度。 ②、将一定规模的粒子群平分成三个子群，并分别按基本粒子优 化算法、60自线性调整策略的粒子群算法和云自适应粒子群算法三种 不同规则进化，既保持各个子群和算法的独立性和优越性，又不增加 算法的复杂性，并提出“超社会”部分，重新定义了速度更换式子， 同时还引入了扩张变异方法和扰动操作。实验仿真结果表明，新算法 的全局搜索能力、收敛速度，精度和稳定性均有了显著提高。 ③、提出一种基于粒子群的人工鱼群混合优化算法，该算法幂嵋 人工鱼群算法的全局收敛性和粒子群算法的易实现性、局部快速收敛 性，提出了基于人工鱼群的粒子群混合优化算法，并用于求解具有变 量边界约束的非线性的复杂函数最优化问题和求解复杂化学方程根 的问题。仿真结果表明，混合粒子群算法不仅具有较好的全局收敛性 能，而且具有较快的收敛速度。 关键词：粒子化算法云理论扩张变异方法多种群超社会人工鱼 群优化算法化学方程函数优化 The methodResearch Improved of ParticleSwarm Optimization ABSTRACT Basedonthe ofthe thoroughanalysisPSO and algorithm deficiency its iscombinedwithcloud cause，PSO FisbSchoo} theory,Artificial inthis newPSObased algorithmpaper．A on mutationis expanded toenhancethe abilities proposed globalexplorationandsolvethe causedsome instandardPSOfall prematureconvergenceby particles into stagnation． Themaintasksofthis articleareasfollows： cloud ParticleSwarm (1)A based adaptive Optimization