均匀设计在粒子群算法参数设定中的应用

2012年02月14日13:05:36 本网站我要评论(2)字号：T | T | T

关键字：应用

作者：江善和，王其申，江巨浪
（安庆师范学院物理与电气工程学院）

摘　　　要：针对依靠经验和试验来确定粒子群优化算法中的参数设定方法存在试验工作量大且难以得到较优的参数组合的问题，提出了一种改进的粒子群算法，该算法利用均匀设计的思想设定算法的较优组合参数，把参数设定问题描述为均匀试验设计中多因素多水平优化
设计问题，从而能够以较少试验很快设定算法参数的取值，以使算法获得较优性能。仿真试验表明，利用均匀设计得到的参数组合可使粒子群算法获得稳健和高效的优化效果，说明了该方法的可行性和有效性，且可以推广到其他算法参数的设定。

关　键　词：粒子群算法；均匀设计；参数设定

引　言：粒子群优化（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）算法是由ＫｅｎｎｅｄｙＪ和ＥｂｅｒｈａｒｔＲＣ于１９９５年提出的一种新型智能计算方法［１］，并在多峰函数优化、多目标优化、神经网络训练、控制系统等领域得到充分应用［２４］。因此，ＰＳＯ已成为解决复杂优化问题的有效技术，吸引了众多研究者的关注，新模型、新方法、新应用层出不穷［５］。虽然粒子群算法发展迅速并取得了可观的研究成果，但其算法模型中的关键参数设置和优化还缺乏成熟的理论指导和研究，目前比较通用的方法是经验法和试探法。文献［６］通过大量试验分析了加速因子对算法收敛性能的影响；文献［７８］利用统计方法总结了算法中的种群规模、惯性权值、粒子速度的选择方法对算法整体性能的影响效果。但上述研究都是针对具体的研究对象或考察单一参数的设定，实际上算法中参数之间是相互联系、相互耦合的，具有复杂的关系，仅仅依靠粗糙的选择和单参数分析很难找到参数的较优组合，而且无法了解参数之间内在联系。为此，本文提出将均匀设计应用于粒子群算法参数设定的方法，将算法中控制参数的设定问题描
述成多因素多水平的均匀试验设计问题，通过较少试验次数获得参数的较优配置，使算法处于较优的运行状态。

登录网站后可下载文件

均匀设计在粒子群算法参数设定中的应用

相关阅读: