一种基于引导策略的自适应粒子群优化算法

• 作者: 姜凤利 张宇 王永刚
• 来源期刊: 计算机应用研究
• 关键词: 粒子群优化算法 惯性权重 混合粒子
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3599-3602
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.12.018

摘要

为解决粒子群优化算法前期搜索盲目,后期搜索速度慢且易陷入局部极值的问题,对算法中粒子更新方式和惯性权重进行了改进,提出了一种基于引导策略的自适应粒子群优化算法(improved particle swarm optimization algorithm,IPSO).该算法在种群中引入四种粒子,即主体粒子、双中心粒子、协同粒子和混沌粒子对粒子位置更新进行引导,克服算法的随机性,从而提高搜索效率.为进一步克服粒子群优化算法进化后期易陷入早熟收敛的缺点,引入聚焦距离变化率的概念,通过聚焦距离变化率的大小动态调整惯性权重,以提高算法的收敛速度和精度,两者结合极大地提高了搜索到全局最优解的有效性.对四个标准测试函数进行仿真,实验结果表明IPSO算法在收敛速度、收敛精度以及成功率上都明显优于其他两种粒子群优化算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宇	沈阳农业大学信息与电气工程学院	49	187	8.0	11.0
2	姜凤利	沈阳农业大学信息与电气工程学院	25	142	8.0	11.0
3	王永刚	沈阳农业大学信息与电气工程学院	18	45	4.0	5.0