佘晓鑫，许波

(广东石油化工学院计算机与电子信息学院，广东 茂名 525000)



基于遗传思想的改进粒子群优化算法

佘晓鑫，许波

(广东石油化工学院计算机与电子信息学院，广东 茂名 525000)

传统的粒子群优化算法(Particle Swarm Optimization, PSO)在解决有关离散优化的问题时，容易发生早熟收敛，陷入局部最优等现象，从而得不到最优解。为了克服这种现象，提出了一种基于遗传思想的改进PSO算法：利用繁殖法更好的搜索粒子的空间，经过繁殖后的粒子可以更好的从局部最优逃离,并对经典的测试函数进行了测试。测试结果表明, 与传统的PSO算法相比, 改进算法的寻优效果较好，不仅能加快收敛速度，而且能找到同样甚至更好的解。

粒子群算法；局部最优；群体智能；算法设计；遗传算法；

粒子群算法(Particle Swarm Optimization, PSO)由美国电气工程师Eberhart和社会心理学家Kennedy于1995年正式提出[1]，其源于对鸟群捕食行为的研究，模拟鸟群飞行觅食的行为，通过鸟之间的集体协作使群体找到最优[2]。假设一群鸟在一个空间里随机地寻找食物，并且在这个空间里只有一份食物，同时所有的鸟都不知道食物在哪里，但是它们能判断自己的位置距离要找的食物还有多远。如果要找到食物的话，最简单有效的方法就是搜索食物的附近的鸟，然后查找鸟的周围的区域，利用在搜索的时候鸟的经验和自身的经验就可以很快的找出食物在哪里了。PSO 算法就从这种生物种群行为特性中得到启发并用于求解优化问题[3]。如果将鸟的……