PSO优化算法的参数研究.pdfVIP

PSO优化算法的参数研究 赵 娜 ，贾世魁。，王 健 ，孙志礼 (1．东北大学机械学院，辽宁 沈阳 110819；2．沈阳化工大学机械工程学院，辽宁 沈阳 110142) SurveyontheParametersofParticleSwarm Optimization ZHAO Na ，JIA Shi—kui，WANG Jian ，SUN Zhi—li1 (1．SchoolofMechanicalEngineering，NortheasternUniversity，Shenyang110819，China； 2．SchoolofM echanicalEngineering，ShenyangUniversityofChemicalTechnology，Shenyang110142，China) 摘要 ：分析 了惯性权重与学习因子对算法性能 的经验转化为 自身行为方式。随后美 国Kennedy 的影响 ，相应提 出了几种调整策略并对其优缺点进 和 Eberhart博士受鸟群觅食行为 的启发 ，于 1995 行比较 ，之后基 于前人 的基础数据 ，借助 Matlab软 年提出粒子群算法 (PSO)，这一开创性进展使粒子 件进行编程 ，对 6种组合调整策略进行优化试验，并 群算法开始涉足于优化领域 。 与前人试验的最优解进行 比较 ，最终通过试验数据 ， 1 PSO算法的原理 找 出了一种较 为可行的优化调整策略 。 关键词 ：PSO算法 ；惯性权重；学习因子 ；最优 在 PSO算法中，每个优化问题的潜在解都假想 解 为 d维 目标搜索空间中的一个点，即为 “粒子”，有 中图分类号 ：TB114．3 N个代表潜在解的粒子组成一个种群S一{x ，X。， … 文献标识码 ：A ，xN)，其 中，X 一 (n，z2，…，X )(i一1，2，…， 文章编号 ：1001—2257(2013)l1—0003—04 N)表示第 i个粒子在 d维解空间的一个矢量点。 Abstract：Thisarticleanalyzestheeffectsofin— 所有的粒子都有一个被 目标函数确定的适应值，用 ertiaweightand learning factorson theperform— P一 ( P …，P“)i一1，2，…，N记录第 i个粒子 anceofthealgorithm，proposesseveralcorrespond— 自身搜索到 的最好 的点，记为 gbest，g一 (1，2，…， ing strategiesand theiradvantagesand compares N)；此外 ，粒子本身还 具有速度 ，用 一 ( ， theadvantagesand disadvantagesbetween them ， … ， )(一1，2，…，N)表示第 i个粒子的速度，由 then usesmatlabtoprogram forthesix combina— 于每个粒子个体都具有个性与社会性 ，既可根据 自 身意识决定速度与位置 ，又可分析周围粒子结果 的 tionsofadjustmentstrategiestotestandcompares theresultswith previoustrialsto identify amore 优劣来修正 自身方 向，从而得到两者的平衡 ，尽快找 feasibleoptimalstrategy． 到最优值 。因此 ，前人结合这两种特性总