一种基于引导策略的自适应粒子群优化算法-计算机应用研究.PDFVIP

第３４卷第１２期 计 算 机 应 用 研 究 Ｖｏｌ．３４Ｎｏ．１２ ２０１７年１２月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｄｅｃ．２０１７ 一种基于引导策略的自适应粒子群优化算法 姜凤利，张　宇，王永刚 （沈阳农业大学信息与电气工程学院，沈阳１１０８６６） 摘　要：为解决粒子群优化算法前期搜索盲目，后期搜索速度慢且易陷入局部极值的问题，对算法中粒子更新 方式和惯性权重进行了改进，提出了一种基于引导策略的自适应粒子群优化算法（ｉｍｐｒｏｖｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉ ｚａｔｉｏｎａｌｇｏｒｉｔｈｍ，ＩＰＳＯ）。该算法在种群中引入四种粒子，即主体粒子、双中心粒子、协同粒子和混沌粒子对粒子 位置更新进行引导，克服算法的随机性，从而提高搜索效率。为进一步克服粒子群优化算法进化后期易陷入早 熟收敛的缺点，引入聚焦距离变化率的概念，通过聚焦距离变化率的大小动态调整惯性权重，以提高算法的收敛 速度和精度，两者结合极大地提高了搜索到全局最优解的有效性。对四个标准测试函数进行仿真，实验结果表 明ＩＰＳＯ算法在收敛速度、收敛精度以及成功率上都明显优于其他两种粒子群优化算法。 关键词：粒子群优化算法；惯性权重；混合粒子 中图分类号：ＴＰ３０１．６　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１７）１２３５９９０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１７．１２．０１８ Ａｄａｐｔｉｖｅｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｇｕｉｄｉｎｇｓｔｒａｔｅｇｙ ＪｉａｎｇＦｅｎｇｌｉ，ＺｈａｎｇＹｕ，ＷａｎｇＹｏｎｇｇａｎｇ （ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎ＆ＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｈｅｎｙａｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ１１０８６６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓｏｆｂｌｉｎｄｓｅａｒｃｈｉｎｔｈｅｅａｒｌｙｓｔａｇｅａｎｄｓｌｏｗｓｅａｒｃｈｓｐｅｅｄａｓｗｅｌｌａｓｅａｓｉｌｙｔｒａｐｐｅｄｉｎ ｔｈｅｌｏｃａｌｏｐｔｉｍｕｍｉｎｔｈｅｌａｔｅｒｐｅｒｉｏｄ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎａｄａｐｔｉｖｅｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｇｕｉｄｉｎｇ ｓｔｒａｔｅｇｙ（ＩＰＳＯ）ｂｙｉｍｐｒｏｖｉｎｇｔｈｅｐａｒｔｉｃｌｅｕｐｄａｔｉｎｇｗａｙａｎｄｉｎｅｒｔｉａｗｅｉｇｈｔ．Ｔｈｅａｌｇｏｒｉｔｈｍｉｎｔｒｏｄｕｃｅｄｆｏｕｒｋｉｎｄｓｏｆｐａｒｔｉｃｌｅｓｉｎ ｔｈｅｐｏｐｕｌａｔｉｏｎ，ｗｈｉｃｈｗｅｒｅｔｈｅｍａｉｎｐａｒｔｉｃｌｅｓ，ｄｏｕｂｌｅｃｅｎｔｅｒｐａｒｔｉｃｌｅｓ，ｃｏｏｐｅｒａｔｉｖｅｐａｒｔｉｃｌｅｓａｎｄｃｈａｏｓｐａｒｔｉｃｌｅｓ．Ｔｈｅａｌｇｏ ｒｉｔｈｍｄｅｃｒｅａｓｅｄｔｈｅｒａｎｄｏｍｎｅｓｓａｎｄｉｍｐｒｏｖｅｄｔｈｅｓｅａｒｃｈｅｆｆｉｃｉｅｎｃｙｔｈｒｏｕｇｈｇｕｉｄｉｎｇｐａｒｔｉｃｌｅｐｏｓｉｔｉｏｎｕｐｄａｔｉｎｇ．Ｍｏｒｅｏｖｅｒ，ｔｈｅ ｎｅｗａｌｇｏｒｉｔｈｍｉｎｔｒｏｄｕｃｅｄｔｈｅｆｏｃｕｓｉｎｇｄｉｓｔａｎｃｅｃｈａｎｇｉｎｇｒａｔｅｗｈｉｃｈａｄｊｕｓｔｅｄｔｈｅｉｎｅｒｔｉａｗｅｉｇｈｔｄｙｎａｍｉｃａｌｌｙｂｙｔｈｅｓｉｚｅｏｆｔｈｅ ｆｏｃｕｓｉｎｇｄｉｓｔａｎｃｅｃｈａｎｇｉｎｇｒａｔｅｔｏｉｍｐｒｏｖｅｔｈｅｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄａｎｄａｃｃｕｒａｃｙ．Ｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｔｈｅｂｏｔｈｍｏｄｅｓｉｍｐｒｏｖｅｄ ｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｓｅａｒｃｈｆｏｒｔｈｅｇｌｏｂａｌｏｐｔｉｍａｌｓｏｌｕｔｉｏｎｇｒｅａｔｌｙ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｓｔｅｓｔｅｄｏｎｔｈｅｆｏｕｒｂｅｎｃｈｍａｒ