多粒子群协同优化算法.pdf

第 43 卷 　第 5 期 ( ) Vol. 43 No. 5 复 旦 学 报 自然科学版 2004 年 10 月 Journal of Fudan University (Natural Science) Oct. 2004 　　文章编号 (2004) 多粒子群协同优化算法 李爱国 (西安科技大学 计算机科学系 ,西安 710054) ( ) 摘　要 : 提出一种多粒子群协同优化 PSCO 方法. PSCO 是 2 层结构 :底层用多个粒子群相互独立地有哪些信誉好的足球投注网站解空 间以扩大有哪些信誉好的足球投注网站范围;上层用 1 个粒子群追逐当前全局最优解以加快算法收敛. 这些粒子群含的粒子数以及粒子 状态更新策略不要求相同. 为改善粒子群容易陷入局部极小的弱点 ,提出扰动策略 ,当 1 个粒子群的当前全局最 优解未更新时间大于扰动因子时 ,重置粒子的速度 ,迫使粒子群摆脱局部极小. 用 Rosenbrock 函数等 3 种基准函 数做优化实验表明 ,PSCO 性能优于经典 PSO ,FPSO 和 HPSO 等算法. 关键词 : 演化计算 ;优化 ;粒子群优化 中图分类号: TP 18 　　 文献标识码 : A 　　 ( ) 1 ,2 粒子群优化 Particle Swarm Optimizer , PSO 算法 是演化计算界的研究热点之一 , 目前已提出了 多种改进 PSO 算法3 ～7 . 但是这些算法大多着眼于 PSO 的参数选择或某个参数的动态修改策略 ,故难以 ( ) 克服 PSO 算法易陷入局部极小的固有弱点. 为此本文提出一种多粒子群协同优化 PSCO 方法. 为使 PSO 算法摆脱局部极小 ,提出粒子扰动策略 ,即当 PSO 算法陷入局部极小点时重置粒子的速度 ,迫使粒子群摆 脱局部极小点. 实验表明 PSCO 算法和扰动策略的效果满意. 1 　PSO 算法 设在 D 维空间中, 有 m 个粒子组成一个群落. 其中第 i 个粒子的位置 xi = ( x i 1 , x i2 , …, x iD) , i = 1 , 2 , …, m ; 速度 vi = ( v i 1 , v i2 , …, v iD) ; 有哪些信誉好的足球投注网站到的最优位置 pi = ( p i 1 , p i2 , …, p iD) . 整个粒子群有哪些信誉好的足球投注网站到的最 优位置为 pg = ( p g 1 , p g2 , …, p gD) . 将 x i 带入目标函数计算其适应值. 粒子状态更新策略为 : ( ) ( ) ( ) v id = w v id + c1 r 1 p id - x id + c2 r2 p g d - x id , 1 ( )