张爱伟，李金新

(杭州电子科技大学电子信息学院，浙江 杭州 310018)



一种改进的粒子群优化算法

张爱伟，李金新

(杭州电子科技大学电子信息学院，浙江 杭州 310018)

为解决标准粒子群优化算法收敛速度慢、容易陷入局部最优的问题，提出了一种基于标准粒子群优化算法的改进算法.通过对标准粒子群算法的速度和位置更新公式的修改，增强了粒子在搜索后期的多样性，提高了全局搜索能力，降低了陷入局部最优的可能性.用3个基准函数对改进算法进行验证，比较分析表明：NPSO与SPSO比，收敛速度明显提高，与可能出现不收敛的CFM比，一致收敛.

粒子群算法；收敛速度；搜索能力

0 引 言

粒子群算法(Particle Swarm Optimization，PSO)是James Kennedy和Russell Eberhart于1995年提出的一种群体智能算法.因其易理解、易实现，很多情况下比遗传算法更有效，近年来受到国内外学者的广泛关注，并提出了很多改进算法[1]，如文献[2]提出了一种自适应学习粒子群算法，该算法通过4种不同的策略来处理不同类型的搜索空间，文献[3]提出了双心扰动量子粒子群优化算法，对粒子的势能中心和粒子群的重心进行自适应柯西变异，发挥两者在进化后期的协同引导能力，以提高进化后期粒子群对新空间的开拓能力.这些算法的提出，一定程度上推动了粒子群优化算法的发展，而目前，对PSO算法的改进性研究主要体现在算法的参数选择与设计、领域拓扑结构、群体组织和进化、整合进化计算等混合算法几个方面[4].同时，因粒子群优化……