面向全局优化的种群中心引导型粒子群优化算法.pdfVIP

ComputerScienceandApplication计算机科学与应用,2025,15(5),173-183

PublishedOnlineMay2025inHans./journal/csa

/10.12677/csa.2025.155139

面向全局优化的种群中心引导型粒子群优化

算法

周刘长

温州大学计算机与人工智能学院，浙江温州

收稿日期：2025年4月21日；录用日期：2025年5月20日；发布日期：2025年5月27日

摘要

传统粒子群优化算法(PSO)在求解复杂优化问题时易陷入局部最优，限制了其全局搜索性能。为提升其

全局寻优能力，本文提出面向全局优化的种群中心引导型粒子群优化算法，设计了两种改进机制：一是

引入种群中心位置作为额外引导信息，构建粒子群优化–社会影响算法(PSOSI)；二是基于种群聚集程度

引入扰动策略，构建粒子群优化–局部扰动算法(PSOLP)。本文在CEC-2022标准测试集及8个实际工程

设计问题上对所提算法进行了系统评估。实验结果表明，PSOSI和PSOLP在优化精度和收敛稳定性方面

均优于标准PSO及多种主流对比算法，验证了所提方法的有效性与通用性，为解决全局优化与工程优化

问题提供了高效可行的工具。

关键词

PSO，PSOSI，PSOLP，全局优化，工程问题优化

Population-Center-GuidedParticleSwarm

OptimizationAlgorithmforGlobal

Optimization

LiuchangZhou

CollegeofComputerandArtificialIntelligence,WenzhouUniversity,WenzhouZhejiang

stthth

Received:Apr.21,2025;accepted:May20,2025;published:May27,2025

Abstract

TraditionalParticleSwarmOptimization(PSO)algorithmstendtofallintolocaloptimawhensolv-

ingcomplexoptimizationproblems,whichhamperstheirglobalsearchcapability.Toenhanceglobal

文章引用:周刘长.面向全局优化的种群中心引导型粒子群优化算法[J].计算机科学与应用,2025,15(5):173-183.

DOI:10.12677/csa.2025.155139

周刘长

optimizationperformance,thispaperproposespopulation-center-guidedPSOframeworkandin-

troducestwoimprovedvariants:ParticleSwarmOptimizationwithSocialInfluence(PSOSI),which

incorporatesthepopulationcenterasanadditionalguidingfactor,andParticleSwarmOptimiza-

tionwithLocalPerturbation(PSOLP),whichintroducesadisturbancestrategybasedonpopulation

aggregation.TheproposedalgorithmsaresystematicallyevaluatedontheCEC-2022benchmark

suiteandeightreal-worldengineeringdesignproblems.Experimentalr