一种嵌入局部混沌搜索的混合微粒群优化算法.pdfVIP

维普资讯 第23卷 第2期 计 算 机 仿 真 2006年2月 文章编号：1006—9348(2006)02—016l一04 一 种嵌入局部混沌搜索的混合微粒群优化算法 郑鹏 ，郭娟。杨为民 (东北大学信息科学与工程学院，辽宁沈阳110004) 摘要：该文研究了基于种群演化的微粒群优化算法，针对此算法在迭代的过程中陷入局部极小点而产生群体演化停滞的现 象，提出了一种嵌入局部混沌搜索的混合微粒群优化算法。此混合方法利用混沌迭代的遍历性来增强算法的局部精确搜索 能力从而达到全局搜索性能和局部搜索性能的平衡，使群体快速脱离停滞状态。实验结果表明，相比于其他演化搜索算法如 标准微粒群算法，标准遗传算法和改进微粒群算法，嵌入局部混沌搜索的混合微粒群算法在收敛性和鲁棒性方面得到了较 大的改善，很大程度上避免了演化停滞现象的发生，是一种高效的搜索方法。 关键词：优化 ；混合方法；微粒群；混沌搜索；遗传算法 中图分类号：TP18 文献标识码：A A HybridParticleSwarm Algorithm withEmbeddedChaoticSearch ZHENGPeng，GUOJuan，YANGWei—rain (SchoolofInformationScienceandEngineering，NortheasternUniversity，ShenyangLiaoning110004，China) ABSTRACT：Evolutionary—basedparticleswarlnalgorithm hasbeeninvestigatedinthispaper．A new hybrid particleswarm algorithm withembeddedchaoticsearchisproposedforoptimizationinordertoavoidtrappingin localoptimumandstagnancyofpopulation．Thishybridmethodmakesuseoftheergodicityofchaoticsearchto improvethecapabilityofprecisesearchandkeepthebalancebetweentheglobalsearchandthelocalsearch， whichmakespopulationescapethestagnancyrapidly．Ithasbeencomparedwithothermethodssuchasstandard particleswarm algorithm，standardgeneticalgorithmandimprovedparticleswarm algorithm．Incomparison，the proposedmethodshowsitssuperiorityinconvergencepropertyandrobustness．Itisvalidatedbythesimulation results． KEYWORDS：Optimization；Hybridstrategy；Particleswarm；Chaoticsearch；Geneticalgorithm 的搜索空间时，PSO也会显示其不足之处，特别是当微粒在 l 引言 空间中运行到局部最优解附近的时候，群体的搜索效率可能 作为一种演化计算方法，微粒群优化算法 (Particle 会突然大大降低。针对这个问题，许多学者做了大量的工作 SwarmOptimization，简称PSO)最早是由肯尼迪于1995年提 来改进算法的性能