基于分区和分层搜索并行粒子群算法.docVIP

基于分区和分层搜索并行粒子群算法 　　（四川大学 计算机学院 成都 610065） 　　 　　摘 要：为提高粒子群优化算法在优化问题中的效率，提出了并行粒子群优化算法(SLPSO)。其基本思想是并行机制+解空间压缩+分层搜索。主要工作包括：搜索空间划分为??n个区，由n个子群并行搜索，将搜索结果最好的作为指定的搜索空间，即将搜索空间缩小到原解空间的(1/n)??；提出了粒子群两层划分模型，底层利于扩大搜索范围，上层利于全局精细搜索。在四个基准函数上的优化实验表明，新方法比经典的IPPSO并行粒子群算法在解的精度上提高了80.37%。 　　关键词：并行粒子群算法； 分区； 分层搜索 　　中图分类号：TP301.6文献标志码：A 　　文章编号：1001-3695(2009)05-1670-03 　　 　　Parallel particle swarm optimization algorithmbased on space??division and layered search 　　GONG Yan JIANG Yu??ming ZHANG Pei??song 　　(College of Computer Science Sichuan University Chengdu 610065 China) 　　Abstract:To improve the efficiency of particle swarm optimization this paper proposed a novel parallel particle swarm optimization algorithm(SLPSO).The basic idea is parallel mechanism and space??division and layered search. The main contributions include divided whole search space into ??n?? sub ares. For certain generations let the best sub areabe the search space. This shrinked the search space to the solution space. Proposed two layers partition of particles the lower andtopper work well for global and local search respectively. By experiments on four benchmark functions shows that the new algorithm increases precision by 80.37% compared with IPPSO. 　　Key words：parallel particle swarm optimization; space??division; layered search 　　 　　粒子群优化算法(PSO)由Kennedy等人[1,2]提出，能有效解决复杂优化任务[3]。但PSO在接近最优解时搜索速度低，且很难得到精确最优解。为解决上述问题，需增加粒子群的粒子数，或减弱粒子对全局最优点的追逐。增加粒子数将导致算法计算复杂度增高，而减弱粒子对全局最优点的追逐又存在算法不易收敛的缺点。并行粒子群算法[4]可以减小粒子间的相互干扰，扩大搜索范围；对于大规模的多变量求解具有重要的意义[5]，可以提高解的速度和质量。但是现有的并行粒子群算法采用的信息共享方式与PSO在本质上是一样的[6]，不能从根本上解决PSO早熟问题。为此，本文提出了并行粒子群的改进算法。 　　 　　1 传统概念和算法?? 　　 　　PSO算法与其他演化算法相似，根据对环境的适应度将群体中的个体移动到好的区域。不同于其他演化算法，PSO不对个体使用演化算子，而将个体看做??D??维搜索空间中无体积的粒子，在搜索空间中以一定的速度飞行。?? 　　在??D??维空间，第??i个粒子被描述为X??i=(x????i1??,x????i2??,…,x????iD??)；每个粒子迄今所经历的个体最优位置描述为P??i=(p????i1??,p????i2??,…,p????iD??)；整个粒子群搜索到的最优位置为P??g=(p????g1??,p????g2??,…,p????gD??)。加上惯性权重因子[7]，粒子状态更新策略为?? 　　v????(t+1)??????id??=wv????(t)??????id??+c??1r??1(p???