一种基于校正因子的自适应简化粒子群优化算法-燕山大学学报.pdfVIP

37 卷 5 期 燕山大学学报 Vol. 37 No. 5 20 13 9 Journal of Yanshan University Sept. 2013 年 月 文章编号：1007-791X (2013) 05-0453-07 一种基于校正因子的自适应简化粒子群优化算法 * 李鑫滨，马 阳，鹿 鹭 （燕山大学 工业计算机控制工程河北省重点实验室，河北 秦皇岛 066004） 摘 要：针对已有粒子群算法中全局搜索和局部搜索存在盲目性和滞后性以及粒子的早熟收敛等问题，提出了 , 一种基于校正因子的自适应简化粒子群优化算法。该算法在简化粒子群算法基础上 以粒子间平均粒距大小作 为触发条件，对惯性权重、平均个体极值和全局极值进行自适应扰动。校正因子可以根据当前粒子群个体信息 和全局信息自适应调整，从而完成对当前粒子状态及时准确的更新，最终使粒子可以准确而快速的找到全局最 3 优解。对 种典型测试函数的测试结果表明该算法具有较 的全局和局部搜索能力、能够有效地避免算法陷入 局部极值，是一种实用且 效的粒子群改进算法。 ; ; ; 关键词：简化粒子群 平均粒距 校正因子 自适应 中图分类号：TP18 文献标识码：A DOI：10.3969/j .issn.1007-791X .2013.05.014 0 引言 子群算法在多峰优化问题中出现的早熟收敛问题， 将实值变异机制引入到粒子群算法中，提出了一种 粒子群优化 (Particle Swarm Optimization, 混合粒子群算法，并应用于实际的经济调度问题优 PSO) 算法是一种基于群体智能方法的演化计算技 化。文献 [9] 针对粒子群算法后期种群多样性减 [1] PSO 术 。 算法的概念简单且容易实现，在连续优 弱造成的易陷入局部极值问题，引入了种群提高机 化问题和离散化优化问题中都表现出良好的效果， 制和邻域搜索策略。由于上述算法的改进都是在基 [2] [3] 目前已广泛应用于函数优化 、神经网络训练 、 本粒子群算法的基础上进行的，使得定量分析基本 [4] 模糊系统控制 等应用领域。 粒子群算法的收敛性变得很困难，并且算法容易受 传统的 PSO 算法有容易陷入局部极值、收敛 到人为设定的粒子“飞行速度”的影响，进而会影 精度不 以及算法后期粒子种群多样性减弱等缺 响整体算法的优越性。 陷，因此对PSO 算法的改进成为研究的热点。文 文献 [10] 提出了一种 “去速度项”的简化粒 献 [5] 提出将惯性权重因子引入粒子群算法，起 子群优化 (Simple Particle Swarm Optimization, 到调节算法全局搜索和局部搜索能力的作用。该算 SPSO) 算法，避免了由粒子速度项引起的粒子发 法通过线性减少惯性权重的值，使得算法在迭代初 散而导致后期收敛变慢