一种改进的粒子群优化算法

主要研究信息安全、计算机视觉。

徐仙伟，杨雁莹，曹霁

(南京森林警察学院信息技术系，南京 210023)

摘要：标准粒子群算法能够解决各类优化问题，得到了广泛的应用，也引起很多研究人员的关注。为了提高全局搜索能力，使其不易陷入局部最优，提出了一种新的优化策略。首先，采用了佳粒子的概念，每次更新时，对所有粒子进行排序；然后，在此基础上，对所有的粒子进行评估，衡量每个粒子是否可以保留；最后，删除那些不符合保留要求的粒子，同时生成相应数目的新的粒子，以保持种群的规模，从而提高种群的整体适应性能。实验数据表明，新算法提高了算法的性能，具有更好的全局性能。

关键词：粒子群算法；优化；淘汰

0引言

1995年，受到自然界鸟群运动模型的启发，Kennedy和Eberhart[1]提出了一种基于鸟群运动的优化搜索算法——粒子群优化算法(Particle Swarm Optimization， PSO)。这种算法的思路是把所求的解在问题空间中可能的位置，视为鸟群在运动模型中的栖息地，然后通过个体之间的信息传递，逐步把求解过程中较好的解出现的可能性提高，并且引导群体中所有的粒子都向着可能的解的位置不断靠拢聚集[1-4]。

经典PSO算法是一种基于智能群体方法的计算技术，优势在于简单而又容易实现，同时又有深刻的生物背景，更进一步而言，也包括其没有许多参数需要调整，具有较高的使用价值。大量的研究表明经典PSO算法对于单目标优化问题而言，与其他演化算法相比较，其收敛速度更快，需要设置的参数更少，数学描述更加简单[4]。……