基于前馈扰动的粒子群改进算法

彭　力，王茂海
江南大学检测与过程控制研究所，江苏无锡

摘　　　要：使用线性系统理论分析了粒子群算法（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳ０） 陷入局部极值的原因。为使粒子种群跳出局部极值粒子重新获得活性，借鉴了鱼群算法中拥挤度因子的概念，提出了前馈扰动粒子群算法（ＦｅｅｄｆｏｒｗａｒｄＤｉｓｔｕｒｂａｎｃｅＰａｒｔｉｃｌｅＳｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ，ＦＤＰＳＯ），在以当前较优值为圆心拥挤度因子为半径的圆域内统计粒子的数量，当粒子数量大于某一常数时候，认为种群将会陷入局部较优，因此提前给种群加入扰动。仿真实验证明了理论及所提出算法的有效性。

关　键　词：粒子群；前馈扰动粒子群；拥挤度因子

１　引　言
针对标准微粒群优化算法易于陷入早熟收敛，陷入局部较优，很多学者提出了改进的微粒群算法。文献［１］提出一种自适应粒子认知域方法，在粒子位置的更新方法中，粒子运动到当前的较好位置由计算得到的较好位置为中心，粒子的认知方向为导向来确定．利用线性惯性下降权重来实现粒子的优化。文献［２］设计一种具有理解力的粒子群算法，在原来粒子群的搜索空间中增加一维，来确定当前的搜索方向，这样在一定的半径内，粒子能找到周边的较好信息，用于粒子的更新，特别是当前的较好信息对于某粒子难以得到时，这种方法非常有效。然而这些方法都没有解决当粒子陷入局部极值后失去活力的问题，当种群陷入局部极值的时候，粒子仍然会慢慢集中于局部极值附近。本文受鱼群算法启发，引入拥挤度因子，使种群整体保持收敛的同时，大部分粒子仍然保持活性。

登录网站后可下载文件

相关阅读:

没有相关新闻...