多策略并行学习的异构PSO优化算法AHeterogenous-计算机应用.PDF

A5051604 正，2015-07-13 基金项目: 国家自然科学基金资助项目61305150);教育部人文社科青年基金交叉项目(13YJCZH174);江西省教育厅落地计划 （KJLD13096 ）;江西省科技厅自然科学基金项目(20122BAB201043，20151BAB207067) 。 作者简介: 王芸(1979-) ，女，江西南昌人，讲师，硕士，主要研究方向：群智能优化算法；孙辉(1959-) ，男，江西九江人，博士，教 授，主要研究方向:群智能优化算法，Rough 集与粒计算，变分不等原理。 多策略并行学习的异构 PSO 优化算法 1* 1,2,3 王芸 孙辉 (1 信息工程学院，南昌工程学院，江西省南昌市，330099; 2 协同感知与先进计算技术研究所，南昌工程学院，江西省南昌市，330099; 3 江西省水信息协同感知与智能处理重点实验室，江西省南昌市，330099) (*通信作者电子邮箱：5219476@) 摘 要: 针对标准粒子群（PSO ）算法在复杂问题上收敛速度慢和早熟收敛的缺点，提出了一种多策略并行学习的异构PSO 优化算法（MHPSO ）。该算法首先从种群多样性和跳出局部极值的角度提出了两种新学习策略（局部扰动学习策略和高斯子 空间学习策略），并将这两种策略与MBB-PSO 策略融合组成高效稳定的策略池。其次提出了一种简单有效的策略更换机制， 指导粒子迭代寻优中何时更换学习策略。基准测试函数的实验结果表明，改进的粒子群优化算法在求解精度和收敛速度上得 到极大的提高。与一些国际上知名的改进PSO 算法（如CLPSO 等）相比，新算法具有更优良的寻优性能。 关键词: PSO 算法;局部扰动策略;高斯子空间学习策略; 策略池;策略更换 中图分类号: TP301.6 算法理论 文献标志码: A A Heterogenous Particle Swarm Optimization with Multi-strategy Parallel Learning WANG Yun1* ，SUN Hui1,2,3 (1 School of Information Engineering ， Nanchang Institute of Technology ， Nanchang Jiangxi 330099 ，China; 2 Research Laboratory of Cooperative Sensing and Advanced Computing Techniques ，Nanchang Institute of Technology;Nanchang Jiangxi 330099 ，China; 3 Jiangxi Province Key Laboratory of Water Information Cooperative Sensing and Intelligent Processing，Nanchang Jiangxi 330099 ，China) Abstract: The standard PSO suffers from the premature convergence problem and the slow convergence speed problem when solving complex optimal problems,so a heterogenous PSO with multi-strategy parallel learning(MHPSO) is presented.Firstly,this algorithm proposes t