基于多种群子空间学习的粒子群优化算法

• 作者: 张红飞 李奕铭 王劼 程琳
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 粒子群优化算法 多种群 子空间学习策略 高斯随机数
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 信息融合
• 页码范围: 1768-1772
• 页数: 5页
• 分类号: TP301.6
• 字数: 2578字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2018.09.015

摘要

针对标准粒子群(particle swarm optimization,PSO)算法易陷入局部最优、进化后期收敛速度慢和收敛精度低的缺点,提出一种基于多种群子空间学习的粒子群优化算法(MSPSO).算法将种群分成多个子群,除了传统的种群历史最优粒子和全局最优粒子,还引入分群最优粒子和混合粒子,该混合粒子随机选择各子群最优粒子的相关维度混合而成,增加种群多样性,防止算法陷入局部最优.在种群进化后期,算法对子群最优粒子进行子空间学习,帮助算法逃离局部最优,加快收敛速度.在固定评估次数的情况下,对8种经典的测试函数进行仿真实验,相比较经典知名算法如FIPS、HPSO-TVAC、DMS-PSO、CLPSO、APSO等,MSPSO算法不仅在低维和高维仿真实验中,在逃离局部最优、全局收敛速度和收敛精度上,具有绝对的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程琳		26	81	5.0	7.0
2	李奕铭		3	12	2.0	3.0
3	张红飞		10	50	4.0	6.0
4	王劼		1	4	1.0	1.0