基于竞争式协同进化的混合变量粒子群优化算法.docx

第36

第36卷第4期2024年4月

Vol.36No.4Apr.2024

JournalofSystemSimulation

基于竞争式协同进化的混合变量粒子群优化算法

张虎1，张衡2，黄子路2，王喆2，付青坡2，彭瑾3，王峰2*

(1.中国航天科工集团有限公司第三研究院体系对抗与智能信息系统总体部，北京100074；2.武汉大学计算机学院，武汉430072；

3.海军装备部北京局驻北京地区第三军事代表室，北京100074)

摘要：现实工业生产应用中存在大量的混合变量优化问题，这类问题的决策变量既包含连续变量，又包含离散变量。由于决策变量为混合类型，导致问题的决策空间变得不规则，采用已有的方法很难进行有效求解。引入协同进化策略，提出一种基于竞争式协同进化的混合变量粒子群优化算法(competitivecoevolutionbasedPSO，CCPSO)。设计基于容忍度的搜索方向调整机制来判断粒子的进化状态，从而自适应地调整粒子的搜索方向，避免陷入局部最优，平衡了种群的收敛性和多样性；引入基于竞争式协同进化的学习对象生成机制，在检测到粒子进化停滞时为每个粒子生成新的学习对象，从而推动粒子的进一步搜索，提高了种群的多样性；采用基于竞争学习的预测策略为粒子选择合适的学习对象，充分利用了新旧学习对象的学习潜力，保证了算法的收敛速度。实验结果表明：相比其他主流的混合变量优化算法，CCPSO可以获得更优的结果。

关键词：混合变量优化；协同策略；进化算法；粒子群

中图分类号：TP273文献标志码：A文章编号：1004-731X(2024)04-0844-15

DOI:10.16182/j.issn1004731x.joss.22-1466

引用格式:张虎,张衡,黄子路,等.基于竞争式协同进化的混合变量粒子群优化算法[J].系统仿真学报,2024,36(4):844-858.

Referenceformat:ZhangHu,ZhangHeng,HuangZilu,etal.Mixed-variableParticleSwarmOptimizationAlgorithmBasedonCompetitiveCoevolution[J].JournalofSystemSimulation,2024,36(4):844-858.

Mixed-variableParticleSwarmOptimizationAlgorithmBasedonCompetitiveCoevolution

ZhangHu1,ZhangHeng2,HuangZilu2,WangZhe2,FuQingpo2,PengJin3,WangFeng2*

(1.DepartmentofSystemConfrontationandIntelligentInformationSystem,theThirdResearchInstituteofCASIC,Beijing100074,China;

2.SchoolofComputerScience,WuhanUniversity,Wuhan430072,China;3.TheThirdMilitaryRepresentativeOfficeoftheBeijing

BureauoftheNavalArmamentDepartmentintheBeijingArea,Beijing100074,China)

Abstract:Forthecurrentalgorithm,itisdifficulttoobtaintheavailablesolutionduetotheirregularityofproblemdecisionspacecausedbythenumerousmixedvariableoptimizationproblemsduringrealindustrialapplications.Thecoevolutionstrategyisintroducedandamixedvariableparticleswarmoptimizationalgorithm(CCPSO)basedoncompetitivecoe