粒子群算法的递推分析及改进.pdfVIP

Computer Engineering and Applications 计算机工程与应用 2016 ，52（19） 25 粒子群算法的递推分析及改进 罗金炎 LUO Jinyan 闽江学院 数学系，福州 350108 Department of Mathematics, Minjiang University, Fuzhou 350108, China LUO Jinyan. Stochastic recursion analysis of particle swarm optimization and its improved algorithm. Computer Engineering and Applications, 2016, 52 （19）：25-30. Abstract ：Based on the theory of stochastic recursion process, this paper studies the convergence of the particle swarm optimization algorithm, The parameters of the algorithm and the related conditions are given. Then an improved algorithm with stochastic approximation （RSPSO ）is proposed. Simulation results show that RSPSO can effectively avoid the pre- mature convergence and possess more powerful global search capabilities, better performance of optimization. Key words ：Particle Swarm Optimization （PSO ）; stochastic recursion; premature convergence; stochastic disturbance 摘 要：对带速度项的PSO 算法和不具速度项的动态概率PSO 算法进行了随机递推分析，给出了保证收敛的算法的 参数取值依据以及相关条件，并基于此提出了改进的动态概率PSO 算法（RSPSO ）。数值实验分析结果表明，改进的 PSO 算法能有效避免过早收敛，具有较强的全局搜索能力，且优化能力有了进一步提升． 关键词：粒子群算法；随机递推；过早收敛；随机扰动 文献标志码：A 中图分类号：TP 18；O232 doi ：10.3778/j.issn. 1002-8331.1603-0202 1 引言 出了不具速度项的改进PSO 算法。Kennedy 和Eberhart Kennedy 和Eberhart 受生物群体聚集行为的启发， 于2003 年首次提出不具速度项的PSO 算法称为bone- [1] bare-PSO[5] ；2005 年Kennedy 通过对传统PSO 算法的解 于1995年提出粒子群算法（PSO ），之后，Shi 和Eberhart 对算法中的粒子速度更新公式进行了修正，提出了惯性 构和重新组合，并尝试采用概率的方法生成新的种群模式， [2] [6] 权重的概念 以获得更佳的优化效果。PSO 算法与其他 提出了不具速度项的高斯动态粒子群算法（GDPSO）； 进化算法一样，也是运用“种群”和“进化”的概念，通过 2006 年Christopher 和Kevin 也提出了一种不具速度项