质心粒子群优化算法-计算机工程与应用.PDF

34 2011 ，47 （3） Computer Engineering and Applications 计算机工程与应用 ⦾研究、探讨⦾ 质心粒子群优化算法 汪永生，李均利 WANG Yongsheng ，LI Junli 宁波大学 信息与工程学院，浙江 宁波 315211 Information and Engineering College ，Ningbo University ，Ningbo ，Zhejiang 315211 ，China E-mail ：zysztzx@ WANG Yongsheng ，LI Junli.Centroid particle swarm optimization algorithm.Computer Engineering and Applications ， 2011 ，47 （3 ）：34-37. Abstract ：In order to improve convergence speed of Particle Swarm Optimization （PSO ），Centroid Particle Swarm Optimiza- tion Algorithm （CPSO ）is presented.Computing the centroid of the population consisted of all individuals ’best records ，all the current individuals ’best records and the global record are compared ，replaced or updated by it.The method can mainly pick up convergence speed of the algorithm.Simulation results show that CPSO is much better than Linear Decreasing Weight PSO （LDWPSO ）in convergence speed in the same accuracy of solution case. Key words ：Particle Swarm Optimization （PSO ）；centroid ；convergence speed 摘 要：为了加快粒子群算法收敛速度，提出了质心粒子群优化算法（CPSO ）。算法通过计算种群所有个体最优记录所构成的一 个群体的质心，对种群个体当前的最优记录和全局最优记录进行比较、替换或更新等操作，从而加快算法的收敛速度。仿真实验 表明，在求解相同精度的情况下，质心粒子群优化算法的收敛速度优于线性递减惯性权重粒子群优化算法（LDWPSO ）。 关键词：粒子群优化算法；质心；收敛速度 DOI ：10.3778/j.issn. 1002-8331.2011.03.010 文章编号：1002-8331（2011 ）03-0034-04 文献标识码：A 中图分类号：TP 18 1 前言 性。另外，文献[11-12]从粒子群解空间的几何特性方面，提出 Kennedy 和Eberhart 于1995年首次提出粒子群优化算法 了粒子群的“中心”概念，通过计算进化过程中群体“中心”这 （Particle Swarm Optimization ，PSO ），它是一种新的基于种群 个特殊位置，能发现比当前种群中更优的解。而本文则是从 优化算法。PSO 算法模拟鸟群的行为习性，在整个进化代数 粒子群解空间的物理特征角度，提出了粒子群“质心”的概念， [1-2] 利用质心可代表整个种群的位置在解空间里的变化情况，通 中，个体之间通过相互合作和竞争而不断进化 。同其他许 多随机优化方法相比，对于许多复杂的、困难的优化问题，PSO 过替换、更新等策略，在保证算法的解达到所规定精度的同 有着类似的甚至更加优越的搜索性能，收敛速度更快，收敛率 时，加快了算法的收敛速度。仿真实验也证明了提出算法的 更加稳定。然而，PSO 也有很容易陷入局部解的可能，这时种 有效性。 群进化停滞不前，收敛速度变慢。 针对PSO 的固有缺点，