基于动态种群的双重学习粒子群优化算法

• 作者: 刘天元 包学才 徐灯 方宗华 王文丰 董健华 韩龙哲
• 来源期刊: 南昌工程学院学报
• 学科: 工学
• 关键词: 粒子群优化算法 双种群 动态种群
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息与电子工程
• 页码范围: 93-98
• 页数: 6页
• 分类号: TP391
• 字数: 4004字
• 语种: 中文

摘要

粒子群算法的全局勘探能力和局部开发能力的不协调往往会导致算法收敛不精、陷入早熟.针对上述问题,提出了基于动态种群的双重学习粒子群优化算法(DP-DLPSO).首先将粒子种群划分为勘探子种群和开发子种群,让两个子种群以不同的学习机制引导粒子运动,粒子处于寻优期间时,子群体间无信息交流,如果开发种群陷入局部最优也不会影响到勘探种群的寻优能力;其次,采用动态种群思想,勘探种群将会把好的粒子输送到开发种群中去,增加开发种群中有效解的几率,提高粒子的收敛精度;最后,对开发种群采用高斯扰动策略以提高粒子跳出局部最优的能力.将DP-DLPSO与5个改进粒子群算法进行比较,实验结果表明DP-DLPSO在收敛精度和收敛速度上具有更大的优势.