一种带交叉因子的双向寻优粒子群优化算法.PDFVIP

第３０卷第１期 计 算 机 应 用 研 究 Ｖｏｌ３０Ｎｏ１ ２０１３年１月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｊａｎ．２０１３ 一种带交叉因子的双向寻优 粒子群优化算法 温　雅，李　国，徐　晨 （深圳大学数学与计算科学学院智能计算科学研究所，广东深圳５１８０６０） 摘　要：针对传统粒子群算法易早熟、精度低、后期收敛速度慢等问题，结合反向学习理论，提出了一种基于交 叉因子的双向寻优粒子群优化算法（ＣＢＭＰＳＯ）。该算法使初始种群在搜索区域均匀分布，计算粒子及其反向粒 子的适应值，取最优作为初始种群；迭代过程增加对全局最差粒子的跟踪，随机开启基于交叉因子的双向学习机 制。对几种典型函数的测试结果表明，ＣＢＭＰＳＯ算法的寻优能力及收敛速度有了显著提高，并且能够有效避免 早熟收敛问题。 关键词：粒子群优化；双向学习机制；交叉因子；早熟收敛 中图分类号：ＴＰ７５１１；ＴＰ３０１６　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１３）０１００８２０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１３．０１．０１９ Ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎｏｆｃｏｒｒｏｆａｃｔｏｒａｎｄ ｂｉｌｉｎｇｕａｌｌｅａｒｎｉｎｇｍｅｃｈａｎｉｓｍ ＷＥＮＹａ，ＬＩＧｕｏ，ＸＵＣｈｅｎ （ＩｎｓｔｉｔｕｔｅｏｆＩｎｔｅｌｌｉｇｅｎｔＣｏｍｐｕｔｉｎｇＳｃｉｅｎｃｅ，ＣｏｌｌｅｇｅｏｆＭａｔｈｅｍａｔｉｃｓ＆ＣｏｍｐｕｔａｔｉｏｎａｌＳｃｉｅｎｃｅ，ＳｈｅｎｚｈｅｎＵｎｉｖｅｒｓｉｔｙ，ＳｈｅｎｚｈｅｎＧｕａｎｇｄｏｎｇ ５１８０６０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏｏｖｅｒｃｏｍｅｔｈｅｄｉｓａｄｖａｎｔａｇｅｓｏｆｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）ａｌｇｏｒｉｔｈｍｓｕｃｈａｓｐｒｅｍａｔｕｒｅ，ｂａｄｃｏｎｖｅｒ ｇｅｎｃｅｒａｔｅ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｅｄａｎｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍ（ＣＢＭＰＳＯ）．Ｔｈｅａｌｇｏｒｉｔｈｍｆｉｒｓｔｍａｄｅｔｈｅｉｎｉｔｉａｌｐｏｐｕｌａｔｉｏｎｉｎｔｈｅ ｓｅａｒｃｈｉｎｇｓｐａｃｅｅｖｅｎｌｙｄｉｓｔｒｉｂｕｔｅｄ，ｔｈｅｎｃａｌｃｕｌａｔｅｄｔｈｅｉｎｉｔｉａｌａｎｄｔｈｅｏｐｐｏｓｉｔｅｏｎｅｓ’ｆｉｔｎｅｓｓｖａｌｕｅ，ｃｈｏｓｅｔｈｅｂｅｔｔｅｒｏｎｅｓａｓ ｔｈｅｉｎｉｔｉａｌｐｏｐｕｌａｔｉｏｎ．Ａｄｄｅｄｇｌｏｂａｌｐｏｏｒｅｓｔｐｏｓｉｔｉｏｎｔｏｔｈｅｕｐｄａｔｅｏｆｐａｒｔｉｃｌｅｐｏｓｉｔｉｏｎａｎｄｓｔａｒｔｅｄｃｏｒｒｏｆａｃｔｏｒａｎｄｂｉｌｉｎｇｕａｌ ｌｅａｒｎｉｎｇＭｅｃｈａｎｉｓｍｒａｎｄｏｍｌｙ．Ｔｈｅｎｕｍｅｒｉｃｅｘｐｅｒｉｍｅｎｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅｎｅｗｓｔｒａｔｅｇｙｃａｎｎｏｔｏｎｌｙｓｐｅｅｄｕｐｔｈｅｃｏｎｖｅｒｇｅｎｃｅ ｂｕｔａｌｓｏｃａｎａｖｏｉｄｔｈｅｐｒｅｍａｔｕｒｅｃｏｎｖｅｒｇｅｎｃｅｐｒｏｂｌｅｍｅｆｆｅｃｔｉｖｅｌｙ． Ｋｅｙｗｏｒｄｓ：ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）；ｂｉｌｉｎｇｕａｌｌｅａｒｎｉｎｇｍｅｃｈａｎｉｓｍ；ｃｏｒｒｏｆａｃｔｏｒ；ｐｒｅｍａｔｕｒｅｃｏｎｖｅｒｇｅｎｃｅ 群优化算法。 　引言 　 算法 粒子群优化算法由于原理简单、可调参数少、易于实现等 优点，迅速得到了广泛的应用。但是粒子群算法同时也存在易 ＰＳＯ初始化为一群随机粒子（随机解），然