混沌变异粒子群优化算法及其应用研究

薛云灿，沈继东，杨启文，岳兴汉
河海大学 计算机与信息学院 江苏常州

摘      要：为克服粒子群优化算法容易陷入局部较优值的缺点，提出了基于变异思想的粒子群优化算法，为提高粒子群优化算法的计算精度，利用混沌运动随机性、遍历性的特点，提出了一种基于混沌思想的改进粒子群优化算法，进而提出了基于混沌变异的改进粒子群优化算法（CMPSO）。基于几种典型benchmark函数的测试研究结果表明，该算法与基本PSO算法和遗传算法相比，较好地克服了早熟收敛，提高了算法的搜索精度。将该算法应用于水库优化调度问题中，所得结果优于标准粒子群优化算法和遗传算法，这也验证了混沌变异粒子群优化算法的有效性。

关  键  词：粒子群优化；混沌；变异；水库优化调度

1　引  言
 粒子群优化（Particle swarm optimization，PSO）算法较早是由Kennedy和Eberhart于1995年提出的一种群体智能优化算法[1]。由于认识到PSO 所蕴含的广阔应用前景，许多学者都进行了这方面的研究，目前，PSO已广泛应用于函数优化，神经网络训练，TSP求解、钢铁生产计划与调度等领域[2,3]。但PSO也存在着精度较低，易早熟等缺点,为解决这些问题,研究者提出了多种改进算法[4-8],如压缩因子法、社会趋同法、保收敛PSO等。然而，到目前为止，粒子群优化算法的上述缺点并没有得到根本解决,成功应用粒子群算法解决实际问题的研究也很少。为解决这些问题,本文将变异和混沌思想引入粒子群优化算法，构建了混沌变异粒子群优化（CMPSO）算法，利用变异特性来克服标准粒子群优化算法容易陷入局部较优点的缺点, 利用混沌的特性来提高算法的计算精度。水库优化调度问题具有非线性、强约束等特点，求解起来比较困难。为验证所提算法的有效性，该算法被应用于水库优化调度问题求解。

登录网站后可下载文件

相关阅读:

没有相关新闻...