粒子群优化算法的变形-计算机工程与应用.PDFVIP

Computer Engineering and Applications 计算机工程与应用 2015 ，51（5 ） 23 粒子群优化算法的变形 袁代林 YUAN Dailin 西南交通大学 数学学院 统计系，成都 610031 Department of Statistics, School of Mathematics, Southwest Jiaotong University, Chengdu 610031, China YUAN Dailin. Transformation of particle swarm optimization algorithm. Computer Engineering and Applications, 2015, 51 （5 ）：23-26. Abstract ：The functions of inertance part, individual perception part and population perception part about the particle swarm optimization algorithm are analysed. Every part of the iterative equations about the particle swarm optimization algorithm is transformed. Three new particle swarm optimization algorithms are obtained. The three new algorithms possess prefera- ble optimization abilities which are illustrated by examples. Key words ：particle swarm optimization algorithm; transformation formula; optimization 摘 要：分析了粒子群算法的惯性部分、个体认知部分和群体认知部分的作用，对粒子群算法迭代方程的各部分进 行变形，获得了三种新形式的粒子群算法。用算例说明所得到的三个新的粒子群算法具有较好的优化能力。 关键词：粒子群优化算法；公式变形；最优化 文献标志码：A 中图分类号：TP301.6 doi ：10.3778/j.issn. 1002-8331.1410-0256 1 引言 糊算法和模拟退火算法来改进粒子群算法并应用于参 自从1995年粒子群优化PSO （Particle Swarm Opti- 数估计问题中。有些学者结合研究的具体问题提出对 [12] mization）算法被提出以来，PSO 以良好的优化能力在各 粒子群算法的改进。胡旺等 针对多目标优化问题提 个领域得到广泛的应用。PSO 通过简单的个体行为，借 出用Pareto 熵估计种群的进化状态达到对粒子群算法 [1] [13] 助群体的优势，形成了整体上的智能特征 。 的改进；马冬青等 在车辆调度的复杂问题中引入爬山 [14] 原始的PSO 算法在复杂、多局部极值的优化问题中 算法提高粒子群算法的局部搜索能力；周静等 利用邻 容易陷入局部最优，对PSO 算法的改进是研究PSO 的 域搜索机制提高虚拟角色路径规划中粒子群