张 超,贺兴时,叶亚荣

(西安工程大学 理学院, 陕西 西安 710048)

0 引 言

粒子群优化算法[1](PSO)是由Kennedy和Eberhart提出的一种群智能随机优化算法.它具有结构简单、收敛速度快等特点.自提出以后,粒子群算法已经被广泛用于许多领域.比如数据挖掘[2],模式识别与分类[3],信号控制[4],Steiner树问题[5],旅行商问题[6].粒子群优化算法对于单峰函数的优化,具有良好的效果,但是对于多峰函数优化,却经常发生早熟过早收敛,从而不能很好求出全局最优值.针对粒子群算法易过早收敛的问题,很多学者提出了改进方法.如文献[7] 将粒子群算法应用于布谷鸟搜索算法中,提高布谷鸟搜索算法的收敛速度和计算精度．文献[8]提出了一种粒子群算法与人工鱼群算法的混合算法,该算法将人工鱼群的公告板、群聚和随行策略的模式应用于粒子群的速度与位置变更中,从而提高了粒子的搜索精度和搜索效率;文献[9]将粒子群算法与模拟退火算法相结合,新混合算法在粒子群算法搜索停滞时,在最优位置用模拟退火算法继续搜寻最优解.新混合算法具有收敛速度快,求解精度高的特点;文献[10]将粒子群算法与蚁群算法相结合,新混合算法中添加交叉与变异、和免疫选择等过程,实验结果表明该混合算法提高了算法的全局寻优能力.文献[11]利用反向学习策略和具有Levy飞行特征的改进搜索策略对出现停滞的粒子进行判断.实验结果验证了该算法在前期的搜索能力和后期的搜……