基于混沌思想的粒子群优化算法.pdfVIP

第 卷第 期 河 海 大 学 常 州 分 校 学 报 21 4 Vo1.21No.4 年 月 2007 12 JOURNALOFHOHAIUNIVERSITYCHANGZHOU Dec.2007 文章编号: ( ) 1009-1130200704-0005-04 基于混沌思想的粒子群优化算法 岳兴汉 薛云灿 蔡 亮 , , 河海大学 计算机及信息工程学院 江苏 常州 ( , ) 213022 摘要 为克服粒子群优化算法容易陷入局部最优的缺点 根据混沌运动的随机性 遍历性特点 提出一种基于混沌思 : , 、 , 想的粒子群优化算法 该算法利用种群适应度方差进行早熟收敛判断 实现对进化过程的监视 当发现种群 ( ) , , CPSO. 陷入局部最优时 对种群进行混沌初始化 帮助种群摆脱局部最优点 对 种典型测试函数的仿真结果表明 改进算 , , . 4 , 法明显减少了种群陷入局部最优的可能性,其全局寻优能力明显强于标准粒子群优化算法. 关键词 粒子群优化算法 混沌运动 局部最优 : ; ; 中图分类号: ; 文献标识码: TP301.6 TP18 A [ ] 粒子群优化 算法是一种群体智能优化算法 最早由 和 1-2 ( , ) , ParticleSwarmOptimizationPSO Kennedy Eberhart 于 年提出 其基本概念源自于对鸟群觅食行为的研究 粒子群优化算法适用于求解非线性 不可微 多 1995 , . 、 、 目标的复杂优化问题 具有原理简单 容易实现 收敛速度快等优点 粒子群优化算法的上述优点使其在出 , 、 、 . 现后很快受到人们的普遍重视 国内外许多学者对其开展了广泛的研究 目前 粒子群优化算法已广泛应用 , . , 于函数优化 神经网络训练 问题求解 模糊系统控制等领域 但是 粒子群优化算法存在容易陷入局部 、 、 、 , TSP . 最优 计算精度较低 进化后期收敛速度较慢等缺点 针对这些缺点 很多学者对标准的粒子群优化算法进 、 、 .