戴月明,朱达祥,吴定会

(江南大学 物联网工程学院, 江苏 无锡214122)



核矩阵协同进化的震荡搜索粒子群优化算法

戴月明,朱达祥,吴定会

(江南大学 物联网工程学院, 江苏 无锡214122)

摘要：针对粒子群算法搜索后期易陷入局部极值的缺点，提出一种基于核矩阵协同进化的震荡搜索粒子群优化(kenel matrix synergistic evolution shock search particle swarm optimization,KMSESPSO)算法，该算法对粒子进行局部与全局结合的震荡搜索，且当整个粒子种群陷入停滞状态时，利用核矩阵对特定粒子组进行协同进化以扩大种群的多样性。实验结果表明，KMSESPSO算法有效提高了粒子的全局搜索能力，既避免粒子种群易早熟收敛, 又较好地提高寻优精度、加快收敛速度，且有一定的鲁棒性。

关键词：粒子群优化算法；震荡搜索；核矩阵；协同进化

0引言

粒子群优化算法(particle swarm optimization，PSO)是由J Kennedy和R C Eberhart在1995年首次提出的一种经典群体智能算法，采用基于种群的全局策略，算法的主要思想是模拟整个鸟群体觅食的过程，通过每个鸟个体之间的相互合作联系取得最优效果[1]。

为改善粒子群算法的性能，提升寻优效果，大量学者做出了努力。刘建华等[2]对离散二进制粒子群算法进行研究和分析，保持了原算法的全局探索能力，提高了种群的局部探测性；Arumugam等[3]借鉴遗传算法中交叉操作思想让2个父代通过某种方式交叉产生新的子代，这在一定程度上提升解的分布性；任子晖等[4]对基本粒子群优化算法进行理论分析，提出了一种加速收敛的粒子群优化算法，具有一定的高效性和稳健性；……