APP下载

基于区域均衡和压缩因子的混合粒子群算法的研究

2016-07-14陈欣,刘朔

武汉轻工大学学报 2016年2期

陈 欣,刘 朔

(武汉轻工大学 数学与计算机学院,湖北 武汉 430023)



基于区域均衡和压缩因子的混合粒子群算法的研究

陈欣,刘朔

(武汉轻工大学 数学与计算机学院,湖北 武汉 430023)

摘要:针对传统粒子群算法容易陷入局部最优解的问题,提出一种在采用全局最优和区域均衡最优相结合来共同更新粒子速度的基础上,融合压缩因子的混合算法。将粒子的局部区域均衡的信息加入到速度更新公式,使得粒子的速度同时受到全局最优和区域平衡最优的作用,提高了粒子的寻优性能,平衡粒子的全局寻优能力和局部寻优能力。通过选取几个多峰值的测试函数进行仿真实验,表明该算法粒子的寻优性能有较大优势。

关键词:混合粒子群算法;区域均衡;压缩因子

1引言

在众多群体智能算法中,粒子群算法的结构简单,易于实现,并有着非常广泛的应用。但是,粒子群算法和其他的智能算法一样,也存在陷入局部最优解的弱点。为了克服这些弱点,很多学者提出了不同的改进方案。马国庆等[1]提出了利用惯性权重线性递减的策略。任圆圆[2]给出非线性的动态惯性权重设置即自适应权重的公式。Shi Y等[3]则从控制微粒的飞行速度入手,构造了设置压缩因子的改进粒子群算法,都取得了一定的效果。以上这些算法,粒子速度的更新仍然极大取决于自身最优解和全局最优解,容易出现早熟的现象。本文提出一种混合粒子群算法,在微粒的速度更新公式中引入区域均衡最优解和飞行速度控制的压缩因子,使得粒子速度的更新更为合理,使混合粒子群算法的搜索能力和收敛精确度进一步增强。……

登录APP查看全文