董 勇，李梦霞 （长江大学信息与数学学院，湖北 荆州 434023）

郭海敏 （油气资源与勘探技术教育部重点实验室 （长江大学），湖北 武汉 430100）

结合混沌搜索的自适应混沌粒子群算法

董 勇，李梦霞 （长江大学信息与数学学院，湖北 荆州 434023）

郭海敏 （油气资源与勘探技术教育部重点实验室 （长江大学），湖北 武汉 430100）

针对基于群体适应度方差的自适应混沌粒子群算法存在的局部搜索能力较弱的不足，在该算法中引入了混沌变异以及混沌搜索操作。使用An混沌映射对部分粒子进行混沌变异，对全局最优粒子进行混沌搜索，提出了一种综合考虑粒子位置、寻优空间的自适应变尺度规则。数值仿真结果表明，改进算法的收敛性、全局和局部搜索能力都有所提高，能有效避免早熟收敛。

混沌映射；粒子群算法；适应度方差；收敛比率

粒子群优化 （Particle Swarm Optimization，PSO）算法参数简单，容易实现，对目标函数的性态基本没有要求，能以一定的概率收敛到全局最优解，所以PSO算法得到了广泛应用，如过程动态优化［1］、约束优化［2］、交通控制［3］等。作为一种随机性算法，粒子群优化算法在高维、多峰搜索问题中容易出现早熟收敛现象。研究者给出了多种改进形式［4－7］，其中之一是结合混沌系统，利用混沌系统的伪随机性及遍历性提高粒子跳出局部最优点的能力，从而提高全局收敛的概率和速度［8］。但普遍使用Logistic混沌映射来产生混沌序列［9－10］，注意到Logistic混沌映射产生的序列均匀性较差，会在一定程度上影响算法的优化性能。……