动态环境下一种改进的微粒群算法.pdfVIP

　2008 年 4 月 系统工程理论与实践 第 4 期 　 ( ) 文章编号 2008 动态环境下一种改进的微粒群算法 胡 　静 , 曾建潮 ,谭 　瑛 (太原科技大学 计算机科学与技术学院 ,太原 030024) 摘要 : 　改进了动态环境下微粒群算法常用的环境检测方法 , 同时使用环境变化前后全局最好解的距离 D ( ) ( ) gbest t 和种群多样性 diversity S 作为响应变化环境的依据 ,并将其与改进的响应方法相结合 ,在增加种 群多样性的同时及时响应了动态环境中的各种变化. 最后 ,将其应用于各种复杂变化的抛物线函数中 , 并与 EberhartPSO 和 APSO 进行了对比 ,结果表明了该算法的有效性. 关键词 : 　微粒群算法 ;动态环境 ;种群多样性 中图分类号 : 　TP18 　　　　　　　　文献标志码 : 　A 　　　 An improved particle swarm optimizer in dynamic environments HU Jing , ZENGJianchao , TAN Ying ( ) School of Computer Science and Technology , Taiyuan University of Science and Technology ,Taiyuan 030024 ,China Abstract : 　A usual detection technique of particle swarm optimization in dynamic environments is modified. Then , a ( ) new method of response , guided by D t and population diversity , is designed , which not only increases population gbest diversity , but also responds the various changes for dynamic environments in time. Finally , the parabolic benchmark functions with various severities are used to test , compared with the EberhartPSO and APSO , and the results show the algorithm is effective. Key words : 　particle swarm optimization ; dynamic environments ; population diversity 1 　引言 微粒群算法(Particle Swarm Optimization 简称 PSO) 是由 Kennedy 和 Eberhart 等人[1 ] 提出的一种模仿鸟类 群体行为的进化计算方法. 这种算法体现着一种简单朴素的智能思想 :鸟类在搜索空间中根据 自身的