一种基于拟蒙特卡罗法的骨干粒子群改进算法 - 北华大学学报.pdfVIP

第17卷 第2期 北华大学学报(自然科学版) Vol.17 No.2 2016年4月 JOURNAL OF BEIHUA UNIVERSITY(Natural Science) Apr.2016 文章编号:1009-4822(2016)02-0266-04 DOI:10.11713/ j.issn.1009-4822.2016.02.027 一种基于拟蒙特卡罗法的骨干粒子群改进算法 朱雅敏,薛鹏翔 (西安工业大学理学院,陕西 西安　 710021) 摘要:针对骨干粒子群算法因受粒子初始化位置分布不均影响易陷入局部最优的问题,提出一种基于拟蒙特卡 罗法的初始化策略,用以确保粒子初始位置在搜索空间内保持随机分布,从而有效提升骨干粒子群算法的搜索 能力.仿真实验表明:与经典骨干粒子群算法相比,采用拟蒙特卡罗法进行初始化的改进算法搜索能力有所增 强,问题求解精度有明显提升. 关键词:骨干粒子群;拟蒙特卡罗法;随机初始化 中图分类号:TP311.53 文献标志码:A 【引用格式】朱雅敏,薛鹏翔.一种基于拟蒙特卡罗法的骨干粒子群改进算法[J].北华大学学报(自然科学版),2016,17(2): 266-269. An Improved BBPSO Algorithm Using Quasi-Monte Carlo Zhu Yamin,Xue Pengxiang (School of Science,Xi’an Technological University,Xi’an710021,China) Abstract:Aimed to the classics Bare Bones PSO (BBPSO)was easily influenced by initialized position distribution,one initial strategy based on Quasi-Monte Carlo was proposed in this paper.New strategy enhanced the performance of BBPSO by assured randomness of the particles initialized distribution. Four numerical experiments showed the algorithm’s convergence speed and search accuracy have been improved by using the new strategy. Key words:bare bones swarms;Quasi-Monte Carlo;random initialization 粒子群算法(Particle Swarm Optimization,PSO)是继蚁群算法之后,群体智能算法中一个重要的分支, [1] 1995年由James Kennedy和Russell Eberhart共同提出 ,其基本思想摆脱了蚁群算法中的信息素等概念, 而是仅仅通过种群中粒子间的合作与竞争来进行迭代优化.与蚁群算法相比,在机制上有明显简化,避免 了蚁群算法中需要调整的参数过多的弊病. 目前,PSO 算法已广泛应用于多种与优化相关的领域,具备良 好的发展前景. 虽然标准粒子群算法较蚁群算法参数有所简化,但仍然涉及多个参数,为此,Kennedy 于2003年提出 [2] 了骨干粒子群算法(Bare BonesPSO,BBPSO) .BBPSO算法仅仅利用关于微粒全局值和个体极值的高斯 分布完成微粒位置的更新,避免了复杂的参数调节,是一种十分有潜力的PSO变形算法.但由于取消了速 度变量及惯性因子等