带自适应精英扰动及惯性权重的反向粒子群优化算法Opposition.PDF

第 37 卷第 12 期 通 信 学 报 Vol.37 No.12 2016 年 12 月 Journal on Communications December 2016 doi:10.11959/j.issn.1000-436x.2016224 带自适应精英扰动及惯性权重的反向粒子群优化算法 董文永 1 ，康岚兰 1,2 ，刘宇航 1 ，李康顺 3 (1. 武汉大学计算机学院，湖北 武汉 430072 ；2. 江西理工大学应用科学学院，江西 赣州 341000; 3. 华南农业大学信息学院，广东 广州 510642) 摘 要：针对反向粒子群优化算法存在的易陷入局部最优、计算开销大等问题，提出了一种带自适应精英粒子 变异及非线性惯性权重的反向粒子群优化算法（OPSO-AEMNIW ），来克服该算法的不足。OPSO-AEMNIW 算法在一般性反向学习方法的基础上，利用粒子适应度比重等信息，引入了非线性的自适应惯性权重（NIW ） 调整各个粒子的活跃程度，继而加速算法的收敛过程。为避免粒子陷入局部最优解而导致搜索停滞现象的发生， 提出了自适应精英变异策略（AEM ）来增大搜索范围，结合精英粒子的反向搜索能力，达到跳出局部最优解的 目的。上述2 种机制的结合，可以有效克服反向粒子群算法的探索与开发的矛盾。实验结果表明，与主流反向 粒子群优化算法相比，OPSO-AEMNIW 算法无论是在计算精度还是计算开销上均具有较强的竞争能力。 关键词：一般性反向学习；粒子群优化；自适应精英变异；非线性惯性权重 中图分类号：TP181 文献标识码：A Opposition-based particle swarm optimization with adaptive elite mutation and nonlinear inertia weight 1 1, 2 1 3 DONG Wen-yong , KANG Lan-lan , LIU Yu-hang , LI Kang-shun (1. Computer School, Wuhan University, Wuhan 430072, China; 2. Faculty of Applied Science, Jiangxi University of Science and Technology, Ganzhou 341000, China; 3. College of Information, South China Agricultural University, Guangzhou 510642, China) Abstract: An opposition-based particle swarm optimization with adaptive elite mutation and nonlinear inertia weight (OPSO-AEMNIW) was proposed to overcome the drawbacks, such as falling into local optimization, slow convergence speed of opposition-bas