粒子群优化算法及其参数设置的研究.pdfVIP

第 9卷第 4 期 湖 北 职 业 技 术 学 院 学 报 No. 4 Vo l. 9 2006年 12 月 Jou rnal of Hubei Vocational - Techn ical Co llege D ec. 2006 [文章编号 ] 167 1—8178 (2006) 04 —0093—04 粒子群优化算法及其参数设置的研究 周 　文 ( ) 湖北职业技术学院 公共课部 ,湖北 孝感 432000 [摘 要 ] 文章介绍了粒子群优化算法的基本原理 ,分析了其特点 ,并利用经典统计分析中的方差分析 方法 ,分析了粒群算法中的惯性权值 、加速因子的设置对算法基本性能的影响 ,给出算法中的经验参数设 置 ,最后对其未来的研究提出了一些建议 。 [关键词 ] 参数设置 ; 最优解 ;粒子群优化算法 [中图分类号 ] TP30 1. 16 [文献标识码 ] A 1　前言 提供了一种优势 ,这也是 PSO 算法形成的基础 。 优化是科学研究、工程技术和经济管理等领域 2. 1　算法原理 的重要研究课题 。粒子群优化算法 [ 1 ] (简称 PSO ) 假设在一个 D 维的目标搜索空间中 ,有 N 个粒 是由 Kennedy和 Eberhart通过对鸟群 、鱼群和人类社 子组成一个群落 ,其中第 i 个粒子表示为一个 D 维 会某些行为的观察研究 ,于 1995 年提出的一种新颖 的向量 X i = (xi1 , xi2 , …, xiD ) , i = 1, 2, …, N. 的进化算法 。虽然 PSO 算法发展迅速并取得了可观 第 i个粒子的 “飞行 ”速度也是一个 D 维的向 的研究成果 ,但其理论基础仍相对薄弱 ,尤其是算法 量 ,记为 Vi = ( vi1 , vi2 , …viD ) , i = 1, 2, …, 3. 基本模型中的参数设置和优化问题还缺乏成熟的理 第 i个粒子迄今为止搜索到的最优位置称为个 论论证和研究 。鉴于 PSO 的发展历史尚短 ,它在理 体极值 ,记为 pbes t = (pi1 , pi2 …, piD ) , i = 1, 2, …, N. 论基础与应用推广上都还存在一些缺陷 ,有待解决 。 整个粒子群迄今为止搜索到的最优位置为全局极 本文通过对 PSO 算法的步骤的归纳 、特点的分析 ,利 值 ,记为 gbes t = (pg 1 , pg2 , …pgD ) 用统计中的方差分析 ,通过抽样实验方法 ,论证了该 在找到这两个最优值时 ,粒子根据如下的公式 算法中关键参数因子 :惯性权值 、加速因子对算法整 ( ) ( ) [ 2 ] 1 和 2 来更新自己的速度和新的位置 : 体性能的影响效果 ,并提出了参数设置的指导原则 , v = ω v + c r (p - x ) + c r (p - x ) ( 1)