范伟伦，卫鑫，熊威

（中国人民解放军91550部队，辽宁 大连 116023）

1 前言

当前，遗传（GA）算法、模拟退火（SA）算法、人工免疫（AIA）算法、蚁群（ACA）算法、粒子群（PSO）算法等智能优化算法越来越广泛地应用于军事领域和民用领域。而随着人们的不断研究探索，传统的智能优化算法在都显现出了一定的局限和不足。国内外学者对此进行了大量改进和创新，主要有以下两个改进方向：一是从算法自身的特性进行研究，对参数设置、算法流程进行改进，提高算法性能；二是基于算法融合的思想，通过对不同算法之间优缺点的分析比较，取长补短，产生新的融合算法来提升算法性能。

2 算法简介

2.1 粒子群算法

粒子群（Particle Swarm Optimization，PSO）算法最初是由Kennedy和Eberhart两位学者，通过观察现实中鸟群寻找食物的行为，经过抽象、总结进而模拟出的一种智能优化算法。该算法与基于进化思想的GA算法不同，PSO算法主要通过群体内个体之间的信息共享来完成寻优。PSO算法原理简单，易于实现。但同时，PSO算法也存在着后期收敛速度减缓甚至停滞，且容易存在“过早熟”的缺陷。PSO算法中，先在解空间中初始化一群固定数量的粒子，每个粒子随机出现在空间中的任意位置，并带有随机的初始速度和运动方向，同时设定一个适应度函数来评判每个粒子当前位置的优劣，得到每个粒子的适应度值（Fitness Value），之后所有粒子都追随当前位置最好的粒子，在其周围搜寻。PSO算法深入来讲可以看作社会模型的简化，个体之间协作竞争，通过信息共享机制不断提高自身认知水平和社会认知水平，进而搜索到全局最优解。……