基于空间缩放和吸引子的粒子群优化算法

《基于空间缩放和吸引子的粒子群优化算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３４卷第１期计算机学报Ｖｏｌ．３４Ｎｏ．１２０１１年１月ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳＪａｎ．２０１１基于空间缩放和吸引子的粒子群优化算法迟玉红１），２）孙富春１）王维军２）喻春明２）１）（清华大学计算机科学与技术系清华信息科学与技术国家实验室北京１０００８４）２）（中国人民解放军６５０５３部队辽宁大连１１６１１３）摘要为解决粒子群优化（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）算法中粒子越界、算法进化后期收敛速度慢和早熟收敛的问题，通过分析ＰＳＯ算法中粒子运动行为和算法稳定性

2、，提出了一种基于空间缩放和吸引子的粒子群优化（ＰＳＯｗｉｔｈｓｅａｒｃｈｓｐａｃｅｚｏｏｍｅｄｆａｃｔｏｒａｎｄａｔｔｒａｃｔｏｒ，ＳｚＡＰＳＯ）算法．该算法利用对搜索空间进行缩放的边界变异策略有效控制了粒子搜索范围，保证了算法全局探测能力；算法中吸引子的引入增加了感兴趣区域的粒子密度，提高了算法局部开发能力．实验结果表明，ＳｚＡＰＳＯ算法收敛速度快、精度高，且具有较好的鲁棒性．关键词群体智能；粒子群优化；搜索空间；边界变异策略；吸引子中图法分类号ＴＰ１８犇犗犐号：１０．３７２４／ＳＰ．Ｊ．１０１６．２０１１．００１

3、１５犃狀犐犿狆狉狅狏犲犱犘犪狉狋犻犮犾犲犛狑犪狉犿犗狆狋犻犿犻狕犪狋犻狅狀犃犾犵狅狉犻狋犺犿狑犻狋犺犛犲犪狉犮犺犛狆犪犮犲犣狅狅犿犲犱犉犪犮狋狅狉犪狀犱犃狋狋狉犪犮狋狅狉ＣＨＩＹｕＨｏｎｇ１），２）ＳＵＮＦｕＣｈｕｎ１）ＷＡＮＧＷｅｉＪｕｎ２）ＹＵＣｈｕｎＭｉｎｇ２）１）（犜狊犻狀犵犺狌犪犖犪狋犻狅狀犪犾犔犪犫狅狉犪狋狅狉狔犳狅狉犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅犵狔，犇犲狆犪狉狋犿犲狀狋狅犳犆狅犿狆狌狋犲狉犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅犵狔，犜狊犻狀犵犺狌犪犝狀犻狏犲狉狊犻狋狔

4、，犅犲犻犼犻狀犵１０００８４）２）（犝狀犻狋６５０５３，犘犔犃，犇犪犾犻犪狀，犔犻犪狅狀犻狀犵１１６１１３）犃犫狊狋狉犪犮狋Ｔｏｃｏｎｔｒｏｌｐａｒｔｉｃｌｅｓｔｏｆｌｙｉｎｓｉｄｅｓｅａｒｃｈｓｐａｃｅａｎｄｄｅａｌｗｉｔｈｔｈｅｐｒｏｂｌｅｍｓｏｆｓｌｏｗｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄａｎｄｐｒｅｍａｔｕｒｅｃｏｎｖｅｒｇｅｎｃｅｏｆｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）ａｌｇｏｒｉｔｈｍ，ｔｈｉｓｐａｐｅｒｓｔｕｄｉｅｓｔｈｅｍｏｖｅｍｅｎｔｏｆｐａｒｔｉｃｌｅｓａｎｄｓｔａｂｉｌｉｔ

5、ｙａｎａｌｙｓｉｓｏｆｃａｎｏｎｉｃａｌＰＳＯａｌｇｏｒｉｔｈｍａｎｄｐｒｏｐｏｓｅｓａｎｉｍｐｒｏｖｅｄＰＳＯａｌｇｏｒｉｔｈｍ，ｃａｌｌｅｄＰＳＯｗｉｔｈｓｅａｒｃｈｓｐａｃｅｚｏｏｍｅｄｆａｃｔｏｒａｎｄａｔｔｒａｃｔｏｒ（ＳｚＡＰＳＯ），ｗｈｅｒｅｓｅａｒｃｈｓｐａｃｅｚｏｏｍｅｄｆａｃｔｏｒｉｓａｋｅｙｐａｒａｍｅｔｅｒｔｏｃｏｎｔｒｏｌｔｈｅｏｒｉｇｉｎａｌｓｅａｒｃｈｓｐａｃｅｔｏｚｏｏｍｉｎａｎｄｏｕｔ，ｗｈｉｃｈｉｓｂｅｎｅｆｉｔｔｏｒｅｔａｉｎｔｈｅｃｏｎｎｅｃｔｉｏｎｏｆｐａｒｔｉｃｌｅｓ’ｐ

6、ｏｓｉｔｉｏｎ，ｒｅｄｕｃｅｔｈｅｓｕｂｊｅｃｔｉｖｅｉｎｔｅｒｆｅｒｅｎｃｅ，ａｎｄｅｎｆｏｒｃｅｔｈｅａｂｉｌｉｔｙｏｆｇｌｏｂａｌｓｅａｒｃｈ，ａｎｄａｔｔｒａｃｔｏｒｉｓａｗｅｉｇｈｔｅｄａｖｅｒａｇｅｏｆｇｌｏｂａｌｂｅｓｔａｎｄｐｅｒｓｏｎａｌｂｅｓｔｆｏｒｔｈｅｎｏｒｍａｌｐａｒｔｉｃｌｅｓｅｘｃｅｐｔｔｈｅｇｌｏｂａｌｂｅｓｔｐａｒｔｉｃｌｅ，ｗｈｉｃｈｕｔｉｌｉｚｅｓｋｎｏｗｎｉｎｆｏｒｍａｔｉｏｎｔｏｅｎｈａｎｃｅｔｈｅｐｏｗｅｒｏｆｌｏｃａｌｓｅａｒｃｈａｎｄｅｓｃａｐｉｎｇｆｒｏｍａｎｉｎｆ

7、ｅｒｉｏｒｌｏｃａｌｏｐｔｉｍｕｍ．ＳｚＡＰＳＯｉｓｎｏｔｏｎｌｙａｋｉｎｄｏｆｂｏｕｎｄａｒｙｃｏｎｄｉｔｉｏｎ，ｂｕｔａｌｓｏａｎｅｆｆｅｃｔｉｖｅＰＳＯａｌｇｏｒｉｔｈｍ．ＥｘｐｅｒｉｍｅｎｔａｌｓｔｕｄｉｅｓｓｈｏｗｔｈａｔＳｚＡＰＳＯａｌｇｏｒｉｔｈｍｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒｉｓｍｏｒｅｅｆｆｅｃｔｉｖｅｔｏｄｏｗｉｔｈｅｒｒａｎｔｐａｒｔｉｃｌｅｓ，ｆｕｒｔｈｅｒｍｏｒｅ，ｉｍｐｒｏｖｅｓｇｒｅａｔｌｙｔｈｅｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄａｎｄａｃｃｕｒａｃｙ，ａｎｄｏｂｔａｉｎｓｔ

8、ｈｅａｄｍｉｒａｂｌｅｏｐｔｉｍｉｚａｔｉｏｎｒｅｓｕｌｔｓｗｉｔｈｓｍａｌｌｅｒｐｏｐｕｌａｔｉｏｎｓｉｚｅａｎｄｅｖｏｌｕｔｉｏｎｇｅｎｅｒａｔｉｏｎｓｉｎｄｅｐｅｎｄｅｎｔｏｆｔｈｅｐｒｏｂｌｅｍｄｉｍｅｎｓｉｏｎａｎｄｔｈｅｌｏｃａｔｉｏｎｏｆｔｈｅｇｌｏｂａｌｏｐｔｉｍｕｍｗｉｔｈｒｅｓｐｅｃｔｔｏｓｅａｒｃｈｓｐａｃｅｂｏｕｎｄａ