多模型切换分段混沌粒子群优化算法-电子设计工程.PDFVIP

第26卷 第15期 电子设计工程 2018年8月 Vol.26 No.15 ElectronicDesignEngineering Aug.2018 多模型切换分段混沌粒子群优化算法 段 磊 （辽宁大学 经济学院，辽宁锦州110044） 摘要：本文分析了几种改进的粒子群算法的特点，通过多模型切换的方法，将这些优点结合起来，提 出了一种新的多模型切换分段混沌粒子群优化算法（MMSPCPSO）。这种算法不仅能够克服粒子群 早熟收敛，并且在后期也具有较快的收敛速度。并且同目前的一些改进粒子群算法相比较，它在保 证具有很强的跳出局部极值能力的同时，又具有很快的收敛速度并且适应几乎所有的函数形式。经 过数值运算实验，说明此算法不仅具有较短的运行时间，并且具有较高的收敛效率。 关键词：智能算法；粒子群优化算法；改进粒子群；多模型切换 中图分类号：TN99 文献标识码：A 文章编号：1674-6236（2018）15-0076-05 Multi⁃modelswitchingpiecewisechaosparticleswarmoptimizationalgorithm DUANLei （SchoolofEconomics，LiaoningUniversity，Jinzhou 110044，China） Abstract: This paper analyzes the characteristics of several improved particle swarm algorithms， combinestheseadvantageswiththemulti⁃modelswitchingmethod，andproposesanewmulti-model switchingpiecewisechaoticparticleswarmoptimizationalgorithm（MMSPCPSO）.Thisalgorithmcannot onlyovercomethepremature，butalsohaveafasterconvergencespeedinthelaterperiod.Compared withsomecurrentimprovedparticleswarmalgorithms，itguaranteesastrongabilitytojumpoutofthe localoptima，hasafastconvergencespeedandadaptstoalmostallfunctionforms.Thenumericalresults showthatthealgorithmnotonlyhasshortrunningtime，butalsohashighconvergenceefficiency. Key words: intelligentalgorithm；particle swarm optimization algorithm；improving particle popula⁃ tions；multipleModelSwitching [1] 众所周知，粒子群优化算法（PSO）主要用于求 子群算法（HCPSO）。本文主要是吸收了这两种方法 解一些复杂的多维方程，或者优化一些非线性问 的优点，运用多模型切换的手段，使算法既能快速的 题。到目前为止，这种算法以及它的改进型算法都 收敛，又能比较好的跳出局部极值。为了公平的评