一种改进的粒子群优化算法及其仿真.pdfVIP

一种改进的粒子群优化算法及其仿真王宏力。等

一种改进的粒子群优化算法及其仿真

mprovedParticleSwarmOptimizationAlgorithmandItsSimulation

互宏力侯昔剑

(第二炮兵工程学院，陕西西安710025)

摘要：为了提高粒子群算法的性能，针对粒子群算法的早熟收敛和收敛速度问题，提出了一种改进的粒子群优化算法。在分析了

粒子群算法不足的基础上，提出了两个提高算法性能的改进途径。该算法对动态惯性权重策略进行了扩展，并引入随机扰动策略，从

两个方面同时改进以提高算法的收敛速度和克服局部极值的能力。函数测试的结果表明，该算法能显著提高收敛速度，并能有效克

服局部极值。

关键词：粒子群优化算法动态惯性权重随机扰动收敛速度

中图分类号：TP206文献标志码：A

Abstract：Inordertoimprovetheperformanceofparticleswarmalgorihtm，aimingathteproblemsofprematureconvergenceandconvergence

velocityinparticleswarmalgorithm，animprovedparticleswarmoptimizationalgorihtmisproposed．Onhtebasisofanalysisofdemeritsofpar—

ticleswarmalgorihtm，twooftheimprovingmeasuresareputforward．Inthealgorihtm，htedynamicinertiaweightisexpanded，andrandom

disturbancestrategyisintroduced．Bycombiningthesetwomehtods，theconvergencevelocityofthealgorihtmandthecapabilityofovercoming

localextremevalueareincreased．Thetestresultsindicatethathtealgorithmenhancestheconvergencevelociytoutstandinglyandavertinghte

localextremevalueseffectively．

Keywords：ParticleswamiOptimizationalgorihtmDynamicinertiaweightRnadomdisturbanceConvergencevelociyt

0引言1PSO算法及相关改进

粒子群优化PSO(particleswarmoptimization)算在PSO算法中，每个粒子对应一个待优化问题的

法是一种新颖的进化算法。1995年，JamesKennedy潜在解。粒子P有自己的位置和速度，分别表示为D

在研究鸟类群集活动时，总结所形成的协同智能并维矢量：(¨，…，m)和Vi=(¨，…，Ⅲ)。

提出PSO算法…。近年来，作为一种解决复杂优化．对应的目标函数值称为粒子的适应值，算法通过

问题的方法，PSO算法获得了广泛的应用。PSO算法来度量粒子的优劣程度；V决定粒子运动的方向和

是一种针对具有共性个体集群活动所形成的协同机距离。粒子P始终记忆自身目前找到的最优解，称为

制提出的算法，具有收敛较快、实现容易、调整参数个体极值P；了解整个群体目前找到的最优解，称为

少的特点。该算法是在对连续非线性问题研究的基全局极值P并通过追踪两者来更新自己，其中，i=

础上产生的，并很快被推广应用到离散问题的研究，1，2，…，m；d=1，2，…，D。

而且应用到具有连续、离散变量的混合式非线性PSO算法初始随机生成一群粒子，然后通过迭代

系统。