台亚丽，曾建潮，莫思敏

(太原科技大学复杂系统与计算智能实验室，太原 030024)

为提高微粒群算法(PSO)[1]的性能，文献[2]提出了一种基于拟态物理学引斥力思想的扩展微粒群算法(EPSO)[2]。该算法重新构造了微粒间的信息交互和作用方式，使每个微粒获得更加全面的的搜索信息，因此其具有较快的收敛速度和较高的种群多样性，进而提高了算法的全局性能。但是，对于一些测试函数，EPSO算法具有较弱的局部搜索能力。为了提高EPSO的算法性能，文献[3]构造了不同的无向自组织种群拓扑结构[3]。然而在无向自组织种群结构中，相邻微粒之间的影响是对等的，这样就会存在被动连接的微粒被动地做全局搜索，从而减弱了EPSO算法的局部搜索能力。

EPSO算法是通过模拟生物社会群体行为而构造的一个新颖的算法。如果使EPSO算法不仅模拟生物社会群体行为，而且模拟生物社会网络结构，将能更加真实模拟生物社会，涌现更多的复杂行为，进而提高EPSO算法的性能。而在自然界和社会中存在大量的有向网络，它们广泛存在于社会、信息、科技、生物等领域，因此将有向的种群结构作用于EPSO上，使得微粒之间的交互作用关系体现出有向性，对提高EPSO算法性能是非常重要和必要的。

目前，基于有向种群结构的群智能算法研究较少。这些研究主要集中在：(1)理论上对有向网络中节点的分布问题和基本理论进行了综述和拓展，为我们对有向网络的研究提供了坚实的理论基础[4-5]；(2)为体现有向网络中粒子之间影响的不平衡性构造了有向加权函数模型[6]；……