融合改进莱维飞行的混沌粒子群算法.pdfVIP

长，信息通信

DOI:10.20153/j.issn.2096-9759.2025.01.019

融合改进莱维飞行的混沌粒子群算法

段艳,潘峰

贵州民族大学数据科学与信息工程学院，贵州贵阳550025

AChaoticParticleSwarmAlgorithmIncorporatingImprovedLevyFlight

DUANYan,PANFeng

SchoolofDataScienceandInfomationEngineering,GuizhouMinzuUniversity,Guiyang550025,China

摘要：为提升粒子群优化算法的性能，文Abstract:Toenhancetheperformanceoftheparticleswarmoptimizationalgorithm,thepaper

章提出了一种融合改进莱维飞行策略的proposesachaoticparticleswarmalgorithm,chaoLPSO,whichintegratesanimprovedLevy

混沌粒子群算法chaoLPSO。首先，通过flightstrategy.Firstly,animprovedchaoticsequenceisintroducedtoinitializetheparticle

引入改进的混沌序列来初始化粒子群，swarm,therebyenhancingthealgorithmsglobalsearchcapability.Atthesametime,asegmen-

从而增强了算法的全局搜索能力；同时，tedadaptiveweightstrategyisusedtoadjustthevelocityandpositionoftheparticlestoimprove

采用分段式自适应权重策略来调整粒子thealgorithmsconvergencespeed.Additionally,byincorporatinganimprovedLevyflight

的速度和位置，以提高算法的收敛速度；strategy,thesearchrangeisexpanded,whichhelpstoovercomethelocaloptimumproblem.Val-

此外，通过引入改进的莱维飞行策略，增idationresultsonfourclassictestfunctionsshowthatthechaoLPSOalgorithmoutperformsthe

加了搜索范围，有助于克服局部最优问traditionalparticleswarmalgorithmintermsofsearchperformanceandconvergencespeed.

题。在4个经典测试函数上的验证结果KeyWords:chaoticoptimization;particleswarmalgorithm;levyflight;globalsearch;optimiza-

表明,chaoLPSO算法在搜索性能和收敛tionproblem

速度方面均优于传统粒子群算法。

关键词：混沌优化；粒子群算法；莱维飞0引言

行；全局搜索；优化问题

随着人们对复杂工程优化问题求解需求的增加，众多智能仿生算法相继涌现。这些算

法借鉴自然界中生物的行为模式，通过模拟这些行为，开发出一系列高效的优化技术。

中图分类号：TP187Kennedy与EberhartI于1995年提出的粒子群优化算法（ParticleSwarmOptimization，

文献标识码：A