基于多策略协同作用的粒子群优化算法

• 作者: 方国康 李俊 李波 汪冲
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 粒子群优化算法 反向学习 高斯变异 柯西变异 线性递减
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 681-686
• 页数: 6页
• 分类号: TP301.6|TP18
• 字数: 5546字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.03.681

摘要

针对粒子群优化(PSO)算法容易早熟收敛、在进化后期收敛精度低的缺点,提出了一种基于多策略协同作用的粒子群优化(MSPSO)算法.首先,设定一个概率阈值为0.3,在粒子迭代过程中,如果随机生成的概率值小于阈值,则采用对当前种群中的最优个体进行反向学习并生成其反向解,以提高算法的收敛速度和收敛精度;否则,算法执行对粒子的位置进行高斯变异策略,以增强种群的多样性;其次,提出一种将柯西分布的比例参数进行线性递减的柯西变异策略,能够产生更好的解引导粒子向最优解空间运动;最后,在8个标准测试函数上进行仿真测试,MSPSO算法在Rosenbrock、Schwefel's P2.22、Rotated Ackley、Quadric Noise、Ackley函数上收敛的平均值分别为1.68E+ 01、2.36E-283、8.88E-16、2.78E-05、8.88E-16,在Sphere、Griewank和Rastrigin函数上收敛达到最优解0,优于高斯扰动粒子群优化(GDPSO)算法、基于柯西变异的反向学习粒子群优化(GOPSO)算法.结果表明,所提出的算法收敛精度高,能避免粒子陷入局部最优.