一种改进的均值粒子群算法①.PDFVIP

计 算 机 系 统 应 用 2014 年 第 23 卷 第 5 期 一种改进的均值粒子群算法① 张 亮, 谢富强, 陈 立 (南华大学 电气工程学院, 衡阳 421001) 摘 要: 为了解决粒子群算法存在 “早熟”现象和收敛速度慢的问题, 本文提出一种改进的均值粒子群算法. 该 算法采用非线性惯性权重, 同时在每个迭代步, 将粒子历史最优和种群全局最优取均值再乘以一个非线性权重 的方法, 以提高算法的全局有哪些信誉好的足球投注网站能力和收敛速度. 通过 4 个标准函数的测试, 实验结果表明该算法的有效性. 关键词: 粒子群算法; 非线性惯性权重; 权重均值; 均值粒子群算法; 优化算法 Improved Mean Particle Swarm Optimization Algorithm ZHANG Liang, XIE Fu-Qiang, CHEN Li (University of South China, College of Electric Engineering, Hengyang 421001, China) Abstract: In order to solve premature phenomenon and slow convergence problems in particle swarm algorithm, an improved mean particle swarm algorithm is provided. The algorithm apply to the nonlinear weight. At the same time in each iteration step, the history optimal particle and the global optimal population were averaged and multiplied a nonlinear weight so that it improve the global search capacity and convergence speed. Through four standard function test, The results show that the effectiveness of the proposed algorithm. Key words: particle swarm algorithm; nonlinear inertia weight; mean weight; mean particle swarm algorithm; optimization algorithms ① 收稿时间:2013-09-25;收到修改稿时间:2013-10-18 粒子群优化(Particle Swarm Optimization, PSO)算 法是一种基于群体智能方法的演化计算技术, 它是由 美国的 J. Kennedy 和 R. C. Eberhart 受鸟群觅食行为的 献[6]用平均值的概念提出均值粒子群算法, 该算法采 启发于 1995 年提出的一种智能优化算法, 该算法因其 用线性惯性权重提高了收敛的速度, 但算法的稳定性 算法简单, 调节参数少, 易于实现, 一经提出就受到 不好,