自适应简化粒子群优化算法及其应用-计算机工程与应用.PDFVIP

250 2019 ，55（8） Computer Engineering and Applications 计算机工程与应用 自适应简化粒子群优化算法及其应用 用 1 1 1 2 张 鑫 ，邹德旋 ，肖 鹏 ，喻 秋 应 1. 江苏师范大学 电气工程及自动化学院，江苏 徐州 221116 2. 江苏师范大学 机电工程学院，江苏 徐州 221116 程与 摘 要：针对粒子群优化算法（Particle Swarm Optimization ，PSO ）寻优速度慢、收敛精度不高且搜索结果波动性较 g 大的缺点，提出了一种自适应简化粒子群优化算法（Self-Adjusted Simplified Particle Swarm Optimization ，SASPSO）。 工 r 在每次迭代过程中，粒子只受全局最优解影响，且加入按一定规律分布的锁定因子，令粒子受影响的程度有规律 o . 性。同时，利用锁定因子和当前粒子位置令惯性权重自适应配置，更有效地利用惯性权重对粒子群优化算法的影 机 j 响。引入4 种近期提出的改进粒子群算法同时搜索不同维度时的18个基准函数，与SASPSO 的搜索结果对比，并使 a e 用T-test 进行差异性分析。为了进一步分析算法性能，统计5 个改进算法搜索100 维函数达到期望值时的成功率与 算 c 平均迭代次数。实验结果证明，SASPSO 在无约束问题寻优中的收敛速度、寻优精度有了明显提升，且搜索结果异常 . 值较少，波动性弱。将SASPSO 应用于机床主轴结构参数优化问题，结果显示SASPSO 优化性能更好。 计 w 关键词：粒子群优化算法；自适应简化粒子群算法；群体智能；基准函数；无约束问题；优化设计；机床主轴 w 文献标志码：A 中图分类号：TP301 doi ：10.3778/j.issn. 1002-8331.1809-0183 w 张鑫，邹德旋，肖鹏，等. 自适应简化粒子群优化算法及其应用. 计算机工程与应用，2019 ，55 （8）：250-263. ZHANG Xin, ZOU Dexuan, XIAO Peng, et al. Self-adjusted simplified particle swarm optimization algorithm and its application. Computer Engineering and Applications, 2019, 55（8）：250-263. Self-Adjusted Simplified Particle Swarm Optimization Algorithm and Its Application 1 1 1 2 ZHANG Xin , ZOU Dexuan , XIAO Peng , YU Qiu 1.School of Electrical Engineering Automation, Jiangsu Normal University, Xuzhou, Jiangsu 221116, China 2.School of Mechatronic Engineering, Jiangsu Normal University, Xuzhou, Jiangsu 221116, China