一种改进的二进制粒子群算法-模式识别与人工智能.pdf

第20 卷摇 第6 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.20摇 No.6 摇 2007年12月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Dec摇 摇 2007 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 一一种改进的二进制粒子群算法* 徐义春摇 摇 肖人彬 (华中科技大学 CAD 中心 武汉摇 430074) 摘摇 要摇 为解决应用粒子群算法求解0蛳1整数规划问题,在Kenney 和Eberhart 的二进制粒子群算法(BPSO)的基 础上提出一种改进的二进制粒子群算法(IBPSO).该算法简化BPSO的概率计算模式,直接使用群体最佳值和个体 最佳值决定粒子的当前取值概率,取消粒子当前值对下一步迭代的影响.在 De Jong 的测试集上,其结果要优于 BPSO.在背包问题上的计算结果表明,与遗传算法相比,IBPSO具有更快的收敛速度. 关键词摇 粒子群算法,0蛳1整数规划,背包问题 中图法分类号摇 TP181 An Improved Binary Particle Swarm Optimizer XU Yi蛳Chun,XIAO Ren蛳Bin (CAD Center,Huazhong University of Science and Technology,Wuhan430074) ABSTRACT To solve0蛳1integerprogramming,animprovedoptimizerisproposedbasedonKenney andEberhart s binary particle swarm optimizer (BPSO). In the proposed optimizer (IBPSO) the probability calculation is simplified. The probability of the position vector depends on the values of the global best position andtheprivatebestposition,andthecurrentposition doesnot affectthenextposition any more. On the test functions of De Jong, IBPSO performs better than BPSO. The results of IBPSO on the knapsack problem show IBPSO has higher convergence speed than the genetic algorithm. Key Words摇 Particle Swarm Optimization,0蛳1Integer Programming,Knapsack Problem *国家自然科学基金资助项目(No 收稿日期:2006蛳09蛳18;修回日期:2007蛳04蛳02 作者简介摇 徐义春,男,1970年生,博士研究生,主要研究方向为智能计算.E蛳mail:xuyichun@. 肖人彬,男,1965 年 生,教授,博士生导师,主要研究方向为人工智能、复杂性理论等. 6期 摇 摇 摇 摇 徐义春摇 等:一种改进的二进制粒子群算法 789 [5] 1摇 引摇