粒子群优化算法综述.PDFVIP

第２８卷　第５期 甘肃科技 Ｖｏｌ２８　Ｎｏ５ ２０１２年３月 ＧａｎｓｕＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ Ｍａｒ　２０１２ 粒子群优化算法综述 １ ２ 杨伟新 ，张晓森 （１西北民族大学，甘肃 兰州７３００３０；２兰州理工大学，甘肃 兰州７３００５０） 摘　要：粒子群优化（ＰＳＯ）算法是一种基于群智能方法的演化计算技术，通过粒子间的相互作用发现复杂搜索空间 中的最优区域，优势在于简单容易实现而且功能强大。由于它简单易操作的特点，ＰＳＯ一提出，立刻引起演化计算等 领域学者们的广泛关注，并在函数优化、神经网络训练、工业系统优化和模糊系统控制等领域得到了广泛的应用。 介绍了基本的ＰＳＯ算法、若干类改进的ＰＳＯ算法及其应用。 关键词：粒子群；优化；演化计算 中图分类号：ＴＰ３０１ ［１、２］ 　　Ｋｅｎｎｅｄｙ和Ｅｂｅｒｈａｒｔ 于１９９５年提出粒子群 其中ｉ＝１，２，…，ｍ，ｄ＝１，２，…，Ｄ；加速因子ｃ １ 优化算法（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ），它是一 和ｃ是非负常数，分别调节个体最好粒子和全局最 ２ 种基于种群智能方法的演化计算技术。因受鸟类捕 好粒子飞行的最大步长。若太小，则粒子可能远离 食行为的启发，设想有一群鸟在随机搜寻一块食物， 目标区域，太大则会导致粒子突然向目标区域飞去， 则找到食物的最简单有效的方法就是搜寻距离食物 或飞过目标区域。合适的ｃ和ｃ可以加快收敛且 １ ２ 最近的鸟的周围区域。ＰＳＯ从这种模型中得到启示 不易陷入局部最优，通常令ｃ＝ｃ＝２；ｒ和ｒ是介 １ ２ １ ２ 并用于优化问题。ＰＳＯ一提出，其简单易操作的特 于［０，１］之间的随机数。粒子在每一维飞行的速度 点立刻引起演化计算等领域学者们的广泛关注。 不超过算法设定的最大速度ｖ 。 ｍａｘ ＰＳＯ在解决许多ＧＯ问题上被证明是一种有效 公式（１）的第一部分表示粒子当前速度对粒子 的方法；在函数优化、神经网络训练、工业系统优化 飞行的影响，这部分提供粒子在搜索空间飞行的动 和模糊系统控制等领域得到了广泛的应用。 力；第二部分为“个体认知”部分，表示粒子根据自 己的经验飞行；第三部分为“社会认知”部分，表示 １　ＰＳＯ算法原理 粒子通过交流和合作根据社会成员的经验飞行。文 在ＰＳＯ算法中，首先随机产生一群粒子，每一 献［ ３］对公式（１）作了如下改动： 个粒子都是搜索空间的潜在解。然后通过迭代寻找 ｎ＋１ ｎ ｎ ｎ ｎ ｎ ｎ ｎ ｖ ＝ｗｖ＋ｃｒ