基于随机惯性权重的简化粒子群优化算法-计算机应用研究.pdfVIP

第３１卷第２期 计 算 机 应 用 研 究 Ｖｏｌ．３１Ｎｏ．２ ２０１４年２月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｆｅｂ．２０１４ 基于随机惯性权重的简化粒子群优化算法 赵志刚，黄树运，王伟倩 （广西大学计算机与电子信息学院，南宁５３０００４） 摘　要：针对标准粒子群优化算法易出现早熟收敛、搜索速度慢及寻优精度低等缺陷，提出一种基于随机惯性 权重的简化粒子群优化算法。算法采用去除速度项的粒子群简化结构，通过随机分布的方式获取惯性权重提高 新算法的局部搜索和全局搜索能力，并且学习因子采用异步变化的策略来改善粒子的学习能力。考虑到个体之 间的相互影响关系，每个粒子的个体极值用所有粒子个体极值的平均值代替。通过几个典型测试函数仿真及Ｆ 检验结果表明，提出的算法在搜索速度、收敛精度、鲁棒性方面较已有改进算法有了显著提高，并且具有摆脱陷 入局部最优解的能力。 关键词：粒子群优化算法；简化粒子群；惯性权重；学习因子；随机分布；异步变化 中图分类号：ＴＰ３０１６　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１４）０２０３６１０３ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１４．０２．０１０ Ｓｉｍｐｌｉｆｉｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ ｂａｓｅｄｏｎｓｔｏｃｈａｓｔｉｃｉｎｅｒｔｉａｗｅｉｇｈｔ ＺＨＡＯＺｈｉｇａｎｇ，ＨＵＡＮＧＳｈｕｙｕｎ，ＷＡＮＧＷｅｉｑｉａｎ （ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒ＆ＥｌｅｃｔｒｏｎｉｃｓＩｎｆｏｒｍａｔｉｏｎ，ＧｕａｎｇｘｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｎｉｎｇ５３０００４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎｅｗｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）ａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｗｏａｓｐｅｃｔｓｏｆｉｍｐｒｏｖｅｍｅｎｔｉｎ ｓｔａｎｄａｒｄＰＳＯｔｏａｖｏｉｄｔｈｅｐｒｏｂｌｅｍｓａｂｏｕｔｐｒｅｍａｔｕｒｅｃｏｎｖｅｒｇｅｎｃｅａｎｄｌｏｗｐｒｅｃｉｓｉｏｎ．ＩｔａｐｐｌｉｅｄｔｈｅｉｔｅｒａｔｉｏｎｆｏｒｍｕｌａｏｆＰＳＯ ｂａｓｅｄｏｎｔｈｅｓｉｍｐｌｅＰＳＯｗｈｉｃｈｒｅｍｏｖｅｓｔｈｅｖｅｌｏｃｉｔｙｐａｒａｍｅｔｅｒ．ＡｓｔｗｏｉｍｐｏｒｔａｎｔｆａｃｔｏｒｓｉｎＰＳＯ，ｉｔｄｅｔｅｒｍｉｎｅｄｉｎｅｒｔｉａｗｅｉｇｈｔ ｕｓｉｎｇｓｔｏｃｈａｓｔｉｃｖａｒｉａｂｌｅ，ａｎｄｌｅａｒｎｉｎｇｆａｃｔｏｒｗａｓｕｓｉｎｇａｓｙｎｃｈｒｏｎｏｕｓｃｈａｎｇｅｓｔｒａｔｅｇｙ，ｔｏｅｎｈａｎｃｅｔｈｅｂａｌａｎｃｅｏｆｇｌｏｂａｌａｎｄｌｏ ｃａｌｓｅａｒｃｈｏｆａｌｇｏｒｉｔｈｍ．Ｔａｋｉｎｇｉｎｔｏａｃｃｏｕｎｔｔｈｅｉｎｔｅｒａｃｔｉｖｅｒｅｌａｔｉｏｎｓｈｉｐａｍｏｎｇａｌｌｐａｒｔｉｃｌｅｓ，ｉｔｒｅｐｌａｃｅｄｔｈｅｐｅｒｓｏｎａｌｂｅｓｔｖａｌｕｅ ｏｆｅａｃｈｂｙｔｈｅｍｅａｎｖａｌｕｅｏｆｔｈｅｍ．ＴｈｒｏｕｇｈｓｅｖｅｒａｌｔｙｐｉｃａｌｔｅｓｔｆｕｎｃｔｉｏｎｓｓｉｍｕｌａｔｉｏｎａｎｄＦｔｅｓｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍｎｏｔｏｎｌｙｈａｓｇｒｅａｔａｄｖａｎｔａｇｅｓｏｆｃｏｎｖｅｒｇｅｎｃｅｐｒｏｐｅｒｔｙｏｖｅｒｓｔａｎｄａｒｄＰＳＯａｎｄｓｏｍｅｏｔｈｅｒｍｏｄｉｆｉｅｄＰＳＯａｌｇｏｒｉｔｈｍｓ， ｂｕｔａｌｓｏｅｆｆｅｃｔｉｖｅｌｙａｖｏｉｄｓｂｅｉｎｇｔｒａｐｐｅｄｉｎｌｏｃａｌｏｐｔｉｍａｌｓｏｌｕｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ；ｓｉｍｐｌｉｆｉｅｄｐａｒｔｉｃｌｅｓｗａｒｍ；ｉｎｅｒｔｉａｗｅｉｇｈｔ；ｌｅａｒｎｉｎｇｆａｃｔｏｒ；ｓ