面向高维度目标函数的微粒群优化算法

《面向高维度目标函数的微粒群优化算法》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、维普资讯http://www.cqvip.com第29卷第5期东北大学学报(自然科学版)V01．29．No．52008年5月JournalofNortheasternUniversity(NaturalScience)Mav2008面向高维度目标函数的微粒群优化算法赵海，宋纯贺，祁田宇，龚红艳(东北大学信息科学与工程学院，辽宁沈阳110004)摘要：针对基本微粒群算法在处理高维度目标函数容易出现早熟的问题，提出了一种新的微粒群算法——面向高维度目标函数的微粒群算法(HDOF—PSO)．分析了基本微粒群算法难以处理高维度目标函数的原因．通过引入信心度和试探策略，算法

2、的收敛速度得到提高；通过引入成功度，搜索过程中的变异概率能够自适应修正．在特定测试函数集上的实验表明，HDOF—PSO在处理高维目标函数时，比基本微粒群算法和一个改进的微粒群算法具有更快的收敛速度和更好的收敛性．关键词：群体智能；微粒群算法；高维度；自适应试探；自适应变异中图分类号：TB114．3；TH122文献标识码：A文章编号：1005—3026(2008)05—0649—04StudyonHigherDimensionalobjectFunctionofPSOZHAOHai，SONGChun—he，QITian—yu，GONGHong-yan(Schoolo

3、fInformationScience&Engineering，NortheasternUniversity，Shenyang110004，ChinaCorrespondent：SONGChun—he，E—mail：tedachun@163．corn)Abstract：Ahigher．dimensional—．object—．functionparticleswarlTloptimizerHIX)F—-PSOalgorithmisproposedfortheprematuritieswhichareeasytotakeplacewhendealingwiththe

4、higher—dimensionalobjectfunctionbyBPSO(basicalparticleswarlTloptimizer)algorithm．ThereamnwhyHI)OF—PSOiSdifficulttobedealwithhasicalPSOalgorithmiSanalyza1．Theconfidencelevelandtrial—and—errorstrategyareintroducedintothealgorithmtoaccelerateitsconvergenceratewiththeprobabilityofsuccessa

5、lsointroducedintoenabletheadaptivecorrectionavailabletotheprobabilityofmutationinsearchingprocess．TheexperimentalresultsofaspecificsetofbenchmerkfunctionsshowedthattheHDOF—PSOalgorithmhasbetterconvergenceandhigherdimensionalobjectfunctions．Keywords：SWal"lTlintelligence；PSOalgorithm；hi

6、gherdimension；adaptivetrial—·and—·error；adaptive—mutation微粒群优化算法(particleswarlTloptimizer，中所采用的测试函数维度较低，很少有专门针对eso)是Kennedy和Eberhart于1995年提出的一高维测试函数的研究．而实验表明，当目标函数的种基于群体智能的进化优化算法l1J，其思想来源维度较高时，基本PSO和某些改进PSO算法难于人工生命和进化计算理论．PSO算法采用实数以收敛到一个理想的解上．本文提出一种适用于求解，并且需要调整的参数较少，易于实现．因此，高维度优化函数的PS

7、O算法O卜Ⅱ)一PSO．HDOF—算法一提出就得到了众多学者的重视，并且已经PSO将信心度和试探行为引入算法中，并采用了在神经网络训练、函数优化和模糊系统控制等领自适应变异概率策略．实验表明，HDOF-PSO算域取得了大量的研究成果．法在测试函数维度较高的情况下能够更快地收敛与其他进化类算法相似，PSO算法同样存在到一个更为理想的极值点上．着早熟问题．针对这一问题，学者提出了诸如变异[2-4]、子群[5-7]、临域[—]等策略对PSO算法1基本微粒群算法进行优化改进，并取得了良好的效果．以往的研究设在D维空间，有I"11个微粒组成一个微粒收稿日期：2007—06—

8、10基金项