谢金宵,高岳林，*，于宏利

(1.北方民族大学 数学与信息科学学院,宁夏 银川 750021；2.北方民族大学 宁夏智能信息与大数据处理重点实验室,宁夏 银川 750021)

1995年，JAMES KENNEDY博士和RUSSELL EHERHART博士共同提出了粒子群算法(PSO)[1]，该算法受鸟群在迁徙或觅食过程中的运动规律所启发，将食物或栖息地看成所求问题的解，将鸟群飞行的空间比作问题的求解空间，鸟群中的每一只鸟被视为没有质量和体积的微粒，作为问题的待选解[2]，问题的求解过程被比作鸟群在寻找食物或栖息地的过程。由于粒子群算法具有简单、易实现、鲁棒性强等好的性质，在函数优化，调度问题及工业、交通等实际问题中有着广泛的应用。但与其他智能算法类似，PSO同样存在着许多不足之处。例如，所得到的解精度低，容易出现早熟收敛[3]等问题。一直以来，国内外许多学者为解决上述不足，做了许多方面的努力，使PSO在性能上有了很大的进步。然而大多数改进机制主要关注于对粒子群算法中的参数进行优化，而忽略了使算法陷入局部最优解和收敛速度慢等问题的底层机理，所以很难使算法从根本上解决上述不足。文献[4]将遗传算法中的选择算子融合到粒子群算法中，从而改善了算法的收敛性。文献[5]将差分进化算法与粒子群算法融合,提高了算法全局寻优能力。文献[6]利用粒子群算法优化核极限学习机的核参数,有效提高了单核极限学习机分类器的性能。文献[7]改进了多目标粒子群算法(MOPSO)，实现了交流滤波器多目标优化设计。……