《基于CGA和PSO的双种群混合算法-论文》.pdfVIP

第40卷 第 7期 计 算 机 工 程 2014年 7月 、，o1．40 No．7 CompmerEngineering July 2014 · 人工智能及识别技术 · 文章编号：1000-3428(2014)07—0148—06 文献标识码：A 中图分类号：TP18 基于CGA和PSO的双种群混合算法 王永贵，林 琳，刘宪国 (辽宁工程技术大学软件学院，辽宁 葫芦岛 125105) 摘 要：针对粒子群算法(PSO)收敛速度慢、求解精度不高以及易陷入局部最优的缺点，结合云遗传算法(CGA)和粒子群优化算法， 提出一种新型的双种群混合算法(CGA—PSO)。将整个种群平均分成 2个子群，分别采用云遗传算法和加入 自调整惯性权值策略的粒 子群优化算法完成进化。通过引入一种新型的信息交流机制：两子群子代间信息交流以及子代与父代问信息交流，共享最优个体， 淘汰最劣个体 ，实现共同进化 ，适时对粒子群适应度较差的个体进行云变异操作 ，该操作是基于云模型的随机性和稳定性，利用全 局最优位置和最劣位置实现对部分粒子位置的变异过程。对 5个经典测试函数进行测试，并与 CGA和 PSO算法及其优化算法进行 比较，结果表明，CGA—PSO算法具有较高的搜索效率、求解精度和较快的收敛速度，鲁棒性也较强。 关键词：云遗传算法；粒子群优化算法；双种群混合算法；自调整惯性权值策略；信息交流机制；云变异操作 DualPopulationsHybridAlgorithm Based0nCGA andPSO WANG Yong—gui，LIN Lin，LIU Xian—guo (SchoolofSoftware，LiaoningTechnicalUniversity，Huludao125105，China) 【Abstract】Consideringtheproblem includingslowconvergencerates，lowsolvingprecisionsandeasytotrapinlocaloptimumofParticle SwarmOptimization(Pso)algorithm．anoveldualpopulationhybridalgoritmh namedCGA—PSOispresented．whichisbasedonCloudGenetic Algorithm(CGA)andPSOalgorithm．Inthisalgorithm，thewholepopulationisdividedintotwoequalpopulations．CGA andPSOwith self-adjustinginertiaweightstrategyareusedintheprocessofevolutionoftwopopulations．Twopopulationssharethebestindividualand eliminatetheworstindividualbyexchanginginformationbetweenhtewt ogroupsofoffspringaswellasoffspringandparenttocompletethe evolution，andatimelycloudmutationoperationisgivenonpoorfitnessofindividuals．Cloudmutationoperationisbasedonstabletendencyand randomnesspropertyofcloudmode1．Theglobalbestpositionandtheglobalworstpositionareusedtocompletemutationonthepartofthe particle’Sposition．BytestingfiveclassicalfunctionsandcomparingCGA—PSO wiht CGA，PSO andtheiroptimizatio