含被动聚集因子的微粒群优化算法A particle swarm optimizer with passive congregation翻译.docVIP

含被动聚集因子的微粒群优化算法 本文给出了含被动聚集因子的微粒群算法来提高标准PSO（SPSO）的性能，被动聚集因子是一个重要的生物力量以保存种群的完整性。通过将被动聚集因子引入PSO算法中，信息能够从群体中的个体中转变。含被动集聚集因子的微粒群优化算法（PSOPC）已经通过了10种30维的基准函数的测试，并且分别与全局版本的SPSO、本地版本的SPSO（LSPSO）、和含有收缩因子的PSO（CPSO）做了比较。实验结果显示出含被动聚集因子的PSO明显地提高了基准函数的搜索表现。 1．介绍 微粒群算法（PSO）是一种群算法，首先是由Kennedy与Eberhart（1995）提出的，它是由动物的社会行为而受到启发的，比如鱼群和鸟群。与其他群算法相似，比如进化算法，PSO能够解决很多种不同的优化问题，同时在某些方面PSO也显示出了比其他算法更快的收敛速率（Kennedy和Eberhart，2001）。PSO的另一个优点是它具有更少的参数去调节，这使得PSO非常容易执行。 Angeline(1998)指出虽然PSO能够比其他进化算法在早期的迭代中表现得更出色，但是当迭代次数增加时它的竞争力就没有那么大了。目前，有多个关于提高标准PSO（SPSO）的性能的研究已经开始做。Lobjerg etal.(2001)提出了一个包含子代和亚种群的混合的PSO模型.Kennedy和Mend