李国晓,韦世丹

(广东水利电力职业技术学院,广东 广州 510635)

基于改进Tent映射的自适应变尺度混沌粒子群算法

李国晓,韦世丹

(广东水利电力职业技术学院,广东 广州 510635)

为改善标准粒子群优化算法本身存在的缺陷,引入种群混沌初始化方法、参数自适应调整策略、早熟判断机制以及基于改进Tent 映射的变尺度混沌局部搜索方法对原有算法进行改进,提出一种基于改进Tent映射的自适应变尺度混沌粒子群算法(Improved Adaptive Chaos PSO,IACPSO)。多种高维Benchmark函数的计算结果表明,IACPSO算法在计算精度、优化稳定性及收敛速度方面均明显优于其他改进粒子群优化算法。

粒子群优化算法；Tent映射；变尺度；混沌；自适应

0 引 言

粒子群优化算法(Particle Swarm Optimization,PSO)是一类基于群智能的演化计算方法。该算法在低维空间的函数优化问题上具有求解速度快、质量高等优点,但若问题解的维数增加,其优化性能便急剧下降,易陷入局部最优解。针对PSO算法本身存在的缺陷,国内外学者已提出诸多改进方案,这些方案大致可以分为3类：第1类是对PSO参数(惯性权重w、学习因子c1与c2)进行调整与改进,如线性递减权重法[1]、压缩因子法[2]、动态惯性权重法[3]等,这些方法在某种程度上较好地解决了PSO算法早熟收敛问题,但参数的选择具有随机性,需要进行大量的数据试验,并且与具体应用存在较大联系；第2类是在PSO算法中引入各种变异机制以保持粒子寻优的多样性,这类方法主要为防止粒子在求解空间内过早陷入局部最优解,但是粒子多样性的提高会影响到PSO算法的收敛速度[4]；……