时贵英，吴雅娟，倪红梅

(东北石油大学 计算机与信息技术学院，大庆 163318)

粒子群优化(Particle SwarmOptimization，简称PSO)算法是1995年berhart博士和kennedy博士提出的一种新的进化算法[1]。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中显示了其优越性。但是任何方法都有其缺陷或不足，比如遗传算法[2-4]虽然具有良好的全局搜索能力，但是实现复杂，且局部搜索能力差容易发生早熟现象；同遗传算法比较，粒子群算法[5]容易实现并且没有太多参数需要调整，但是在算法后期局部搜索能力较差，反馈信息利用不充分，容易陷入局部最优，导致算法出现停滞，破坏了粒子间的多样性，导致算法不再继续搜索解空间，从而发生早熟；蚁群算法[6]具有正反馈性、并行性、强收敛性以及鲁棒性，但是由于搜索初期信息素相对匮乏，导致算法的搜索效率降低，容易产生停滞早熟现象。一种有效的方法是将粒子群算法和蚁群算法有机地结合起来，在传统的粒子群优化算法基础上引入蚁群思想，运用类似于蚁群算法中信息素的选择机制，在每个粒子的当前最好位置附近通过局部搜索产生若干个位置，它利用粒子群算法的较强的全局搜索能力生成信息素分布，再利用蚁群算法的正反馈机制求问题的精确解。该算法实现简单，且有效地避免了蚁群算法和粒子群算法的缺陷，达到了优势互补的效果。

1 基本粒子群算法

基本粒子群算法和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解。……