求解高维复杂连续优化问题的粒子群算法研究
2018-07-09潘允敬
江西理工大学学报 2018年3期
关键词:优化
潘允敬
(厦门海合达电子信息股份有限公司,福建 厦门361009)
0 引 言
随着时代发展,计算理论愈发复杂化,待优化问题逐渐多样化.传统的优化方法不能满足现代工业科学等领域的需求,遇到的问题也不只是单纯的凸优化问题.研究者为寻求更好的优化技术而着眼于群智能优化方法的研究.群智能算法是一种模仿自然生命演化方式,从而进行抽象为数学模型的一种方法,例如模仿蚂蚁觅食的蚁群算法[1]和模拟鸟类觅食的粒子群优化算法[2],借鉴神经遗传方面进化知识抽象的遗传算法[3],简化变异方式提出的差分进化算法[4],以及近年来提出的比较经典的萤火虫算法以及果蝇优化算法[5-6].这类算法具有强大的并行运算与独特的自组织信息交流方式,在一些非线性、多峰值问题上,具有良好的分布优化性能.
粒子群算法自提出以来得到广泛关注,研究者从多种角度,以不同的方式对其进行改进以使其可以应对更多问题.王碧等[7]以增加粒子群迭代更新中的探索能力为主,提出一种返巢策略,在更改原始粒子群学习因子的背景下,新的更新策略有效缓解了粒子群后期开发能力不足的劣势.群智能算法中利用混沌系统进行算法位置初始化操作比较常见,目的是为了保证初始化种群随机分布不会过于单一.文献[8]中引入混沌系统操作对粒子群进行更改,不同于传统的初始化操作,该改进算法是在算法进化过程中以一种……
登录APP查看全文
