自我调节粒子群优化算法(修改版)解析.doc

自我调节粒子群优化算法 摘要： 在这篇文章中我们结合了最好的人类学习策略提出了一种寻找最优解决方案的新粒子群优化算法。这种新算法就是指自我调节粒子群优化算法（SRPSO）。人类认知心理学的研究表明最好的规划者调节策略。第一使用自我调节惯性权重和第二使用对全搜索方向自我最好粒子自我调节惯性权重探索其他粒子全搜索方向自我感知智能开发解决方案空间。CEC2005中选用25个指标函数雷达系统设计的一个真实问题SRPSO算法(BBPSO)、全面学习粒子群算法(CLPSO)等六个最新的粒子群算法作了比较。提出的这两个学习策略SRPSO实现更快的收敛大多数问题提供更好的解决方案CEC2005问题中不同算法的性能评估，统计分析表明SRPSO比其他算法置信水平为95%。近年来,许多实际的优化问题,如非线性过程控制,结构设计,分组问题,挖掘等等已经变得极其复杂使用传统的优化算法难以解决。这些问题,自然搜索优化提供更好和有效的解决方案。自然优化算法粒子群优化(PSO)算法是一个计算有效和简单。Kennedy and Ebenhart 引入的。由于和易于在不同基准和工程问题提供接近最佳解决方案目前PSO已经成为最优先选择的优化算法是鸟类聚集和鱼协作群体行为群体中的每个成员使用自己的经验更新其搜索模式,即和其他成员,在整个搜索过程中彼此分享信息确保他们都朝着最优解决方案最近,研究人员致力于开发新的PSO算法