基于混沌搜索的简化粒子群优化算法.pdfVIP

第 39卷 第 9期 西 南 师 范 大 学 学 报 (自然科学版) 2014年 9月 Vo1．39 No．9 JournalofSouthwestChinaNormalUniversity(NaturalScienceEdition) Sep． 2014 基于混沌搜索的简化粒子群优化算法① 栗 磊， 姜 民富 信阳农林学院 计算机科学系，河南 信 阳464000 摘要 ：针对带有收缩因子 的粒子群优化算法 (CFPSO)容易陷入局部极值、进化后期的收敛速度慢和精度低等缺点 ， 采用简化粒子群优化 (sCFPSO)方程与混沌搜索技术相结合 的方法 ，提 出了基于混沌搜索的简化粒子群优化 (CsCFPSO)算法．该算法利用分段线性混沌映射 (PWLCM)的遍历性和类 随机性来完成混沌搜索 ，从而加快 sCFP～ SO算法跳出局部极值点而继续优化．经过 6个经典测试函数对该算法进行实验，结果表明其对于粒子群优化具有 很好的使用价值 ，它可 以准确地消去局部极值 ，确保收敛速度和精度 ，该算法是通过缩小种群数和进化代数来实 现 的． 关 键 词 ：混沌搜索 ；分段线性混沌映射 ；粒子群优化 中图分类号 ：TP18 文献标志码 ：A 文章编号 ：1000—5471(2014)9—0121一O6 粒子群优化 (PSO)算法是于 1995年 由Kennedy等研发 的一种计算方法口]，是对群体粒子 的一种 随机 优化方法．起初 ，它是对鸟类和鱼类群体行为进行研究得 出的．由于该算法结构简单 ，没有 复杂 的数学参 数模型概念 ，因此 PSO算法得到了广泛 的应用 ，如生物群体 、控制网络 、种群分类等 ]． 但是 ，基本 PSO算法有 自己的缺陷，在对群体粒子进行最优求解时 ，对于优化后期该算法的收敛速度 会变得很慢 ，对于多峰函数更易收敛到局部极值或者运算量较大 ]．为了对基本粒子群算法进行改进和 优化的研究工作的广泛展开．如增加种群多样性进而优化PSO性能[7]、通过遗传算法等智能算法并结合 自 身机制进而得到的一种新的寻优算法 ]、通过逃逸运动等手段优化粒子搜索 区域等 ]．值得一提 的是 ，利 用混沌映射具有遍历性和类随机性产生了混沌优化算法口 ，将混沌优化与粒子群算法结合起来 ，相关的研 究工作近几年来也备受关注_1 ]．带有收缩因子的粒子群优化算法 (CFPS0)能有效避免寻优过程中的早 熟收敛问题[1引，是一种典型的改进型 PSO优化算法 ，但该方法容易陷入局部极值 、具有进化后期 的收敛速 度慢和精度低等缺点[1． 粒子群算法的最终 目的是找到粒子的最优位置 ，鉴于此 ，本文简化带有收缩 因子的粒子群方程 得到 只包含位置更新的简化粒子群算法 (sCFPSO)． 该算法在速度上有 了一定改进 ，但是对于多峰函数仍不能有效寻优．进一步 ，当 sCFPSO算法对优化 函数优化到一定程度之后 ，利用分段线性混沌映射进行混沌优化 ，得到粒子的全局最优位置．该方法可以 准确地消去局部极值 ，同时确保收敛速度和精度． 1 带有收缩因子的粒子群算法 首先 ，种群粒子以某个速度飞行 ，在D维空间CFPSO算法对该种群粒子进行初始化 ，然后通过对粒子 进行迭代 ，从而得出最优解．在 “个体极值”和 “全局极值”两个极值的变化过程 中，粒子不断地进行跟踪， 从而改变 自己的速度和位置．本实验中，设在D 维采样空间中有m 个粒子，每个粒子对应一个解 ，采样空 ① 收稿 日期 ：2o13—12—13 作者简介 ：栗 磊(1980一)，男 ，河南信阳人 ，实验师 ，主要从事计算机应用技术研究 122 西南师范大学学报 (自然科 学版) 第 39卷 间中，z“代表第i个粒子位置 ， 表示其飞行速度 ，P 表示经过该算法得出该个体的最优位置 ，P 表示粒 子群的最优全局极值．带有收缩因子的迭代方程为 一 ( + f1rl( 一zt)+ C2／2( 一 t)) (1) z 一 zt+