张 震,潘再平,潘晓弘

（浙江大学工学部,浙江杭州310027）

骨干粒子群算法两种不同实现的优化特性

张 震,潘再平,潘晓弘

（浙江大学工学部,浙江杭州310027）

总结了骨干粒子群算法（BBPSO）的一般形式,指出决定BBPSO算法本质的4个要素.BBPSO在实施中,粒子不同维度采用的随机变量值相同或不同,这将导致算法的特性及适合的优化对象不同.记相同的为I型实现,不同的为II型实现,通过实验指出2种实现的差别：I型实现有各向同性的优点,但是粒子多样性差；II型粒子多样性更优,但各向异性,使用高斯、柯西、指数和均匀分布形式的II型BBPSO都倾向于沿坐标轴寻解.从理论上分析了这些差别的成因,指出I型实现总体性能较差,只适合优化梯度变化明显的单峰函数；II型实现总体性能较好,擅长求解峰的方向平行于坐标轴的单峰或多峰函数.

骨干粒子群算法（BBPSO）；量子粒子群算法（QPSO）；粒子多样性；各向异性算法

骨干粒子群（bare-bone PSO,BBPSO）是一种精简的粒子群算法,取消了粒子的速度属性,以随机分布的形式完成进化.第一种BBPSO由Kennedy［1］提出,用高斯分布控制粒子进化,本文记为GBBPSO.随后,Sun等［2］在量子空间内考虑粒子行为,得出一个带指数分布的BBPSO进化方程.这一改进算法即量子粒子群算法（QPSO）,Sun等［3］对控制参数、粒子行为和算法性能作了详细研究.近年来对QPSO的算法改进、分析与应用是最高产的骨干粒子群研究领域［4］.GBBPSO和QPSO是影响最大的2类基本骨干粒子群形式,本文重点分析这2类BBPSO.

在PSO中,粒子以邻域内粒子的最优解为引……