智能单粒子优化算法

《智能单粒子优化算法》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３３卷第３期计算机学报Ｖｏｌ．３３Ｎｏ．３２０１０年３月ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳＭａｒ．２０１０智能单粒子优化算法纪震１）周家锐１）廖惠连２）吴青华２）１）（深圳大学计算机与软件学院德州仪器ＤＳＰｓ实验室深圳５１８０６０）２）（利物浦大学电气电子工程系利物浦Ｌ６９３ＧＪ英国）摘要文中在传统粒子群优化（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）算法的基础上，提出了智能单粒子优化算法（ＩｎｔｅｌｌｉｇｅｎｔＳｉｎｇｌｅＰａｒｔｉｃｌｅＯｐｔｉｍｉｚｅｒ，ＩＳＰＯ）．与传统的ＰＳＯ算法不同，该算法采用了一个粒子在解空间中搜索，粒子的位

2、置矢量被分成一定数量的子矢量，并基于子矢量对粒子进行更新．在子矢量更新过程中，通过分析之前的速度更新情况，引入一种新的学习策略，使粒子在搜索空间中能够动态地调整速度和位置，从而向全局最优靠近．实验表明，此算法对大部分标准复合测试函数都具有很强的全局搜索能力，其寻优能力超过了国际上最近提出的基于ＰＳＯ的改进算法．关键词智能单粒子优化算法；粒子群优化；子矢量；学习策略中图法分类号ＴＰ１８犇犗犐号：１０．３７２４／ＳＰ．Ｊ．１０１６．２０１０．００５５６犃犖狅狏犲犾犐狀狋犲犾犾犻犵犲狀狋犛犻狀犵犾犲犘犪狉狋犻犮犾犲犗狆狋犻犿犻狕犲狉ＪＩＺｈｅｎ１）ＺＨＯＵＪｉａＲｕｉ１）ＬＩＡ

3、ＯＨｕｉＬｉａｎ２）ＷＵＱｉｎｇＨｕａ２）１）（犜犲狓犪狊犐狀狊狋狉狌犿犲狀狋狊犇犛犘狊犔犪犫狅狉犪狋狅狉狔，犆狅犾犾犲犵犲狅犳犆狅犿狆狌狋犲狉犛犮犻犲狀犮犲犪狀犱犛狅犳狋狑犪狉犲犈狀犵犻狀犲犲狉犻狀犵，犛犺犲狀狕犺犲狀犝狀犻狏犲狉狊犻狋狔，犛犺犲狀狕犺犲狀５１８０６０）２）（犇犲狆犪狉狋犿犲狀狋狅犳犈犾犲犮狋狉犻犮犪犾犈狀犵犻狀犲犲狉犻狀犵犪狀犱犈犾犲犮狋狉狅狀犻犮狊，犜犺犲犝狀犻狏犲狉狊犻狋狔狅犳犔犻狏犲狉狆狅狅犾，犔犻狏犲狉狆狅狅犾，犔６９３犌犑，犝犓）犃犫狊狋狉犪犮狋Ｉｎｔｅｌｌｉｇｅｎｔｓｉｎｇｌｅｐａｒｔｉｃｌｅｏｐｔｉｍｉｚｅｒ（ＩＳＰＯ）ｉｓｐｒｏｐｏｓ

4、ｅｄｂａｓｅｄｏｎｃｏｎｖｅｎｔｉｏｎａｌｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）．ＩＳＰＯａｐｐｌｉｅｓａｐａｒｔｉｃｌｅ，ｗｈｉｃｈｉｓｄｉｆｆｅｒｅｎｔｆｒｏｍｃｏｎｖｅｎｔｉｏｎａｌＰＳＯ，ｔｏｓｅａｒｃｈｉｎｔｈｅｐｒｏｂｌｅｍｓｐａｃｅ．Ｔｈｅｗｈｏｌｅｐｏｓｉｔｉｏｎｖｅｃｔｏｒｏｆｐａｒｔｉｃｌｅｉｓｓｐｌｉｔｉｎｔｏａｃｅｒｔａｉｎｎｕｍｂｅｒｏｆｓｕｂｖｅｃｔｏｒｓ，ａｎｄｔｈｅｐａｒｔｉｃｌｅｉｓｕｐｄａｔｅｄｂａｓｅｄｏｎｔｈｅｓｅｓｕｂｖｅｃｔｏｒｓ．Ｄｕｒｉｎｇｔｈｅｐｒｏｃｅｓｓｏｆｕｐｄａｔｉｎｇｅａｃｈｓｕｂｖｅｃｔｏｒ

5、，ａｎｏｖｅｌｌｅａｒｎｉｎｇｓｔｒａｔｅｇｙｉｓｉｎｔｒｏｄｕｃｅｄｂａｓｅｄｏｎｔｈｅａｎａｌｙｓｉｓｏｆｐｒｅｖｉｏｕｓｖｅｌｏｃｉｔｙｓｕｂｖｅｃｔｏｒｓ，ａｎｄｔｈｅｐａｒｔｉｃｌｅａｄｊｕｓｔｓｉｔｓｖｅｌｏｃｉｔｙａｎｄｐｏｓｉｔｉｏｎｓｕｂｖｅｃｔｏｒｄｙｎａｍｉｃａｌｌｙ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔＩＳＰＯｈａｓａｎｏｕｔｓｔａｎｄｉｎｇａｂｉｌｉｔｙｔｏｆｉｎｄｔｈｅｇｌｏｂａｌｏｐｔｉｍｕｍ．ＩＳＰＯｐｅｒｆｏｒｍｓｍｕｃｈｂｅｔｔｅｒｔｈａｎｍｏｓｔｒｅｃｅｎｔｌｙｐｒｏｐｏｓｅｄＰＳＯｂａｓｅｄａｌｇｏ

6、ｒｉｔｈｍｓｏｎｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｏｆｍｏｓｔｃｏｍｐｌｉｃａｔｅｄｃｏｍｐｏｓｉｔｉｏｎｔｅｓｔｆｕｎｃｔｉｏｎｓ．犓犲狔狑狅狉犱狊ｉｎｔｅｌｌｉｇｅｎｔｓｉｎｇｌｅｐａｒｔｉｃｌｅｏｐｔｉｍｉｚｅｒ；ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ；ｓｕｂｖｅｃｔｏｒ；ｌｅａｒｎｉｎｇｓｔｒａｔｅｇｙ群觅食行为提出了粒子群优化算法（ＰａｒｔｉｃｌｅＳｗａｒｍ１引言Ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）．由于该算法概念简明、实现方便、收敛速度快、参数设置少，是一种高效的搜索算１９９５年Ｅｂｅｒｈａｒｔ博士和Ｋｅｎｎｅｄｙ［１］博士基于鸟法，近年来受到学术界的广泛

7、重视．但在优化复杂函收稿日期：２００７０９１８；最终修改稿收到日期：２００９０６０３．本课题得到国家自然科学基金（６０５７２１００，６０８７２１２５）、国家自然科学基金委员会与英国皇家学会合作研究项目（６０７１１１３０２３３）和深圳市科技三项经费（２００７０４）资助．纪震，男，１９７３年生，博士，教授，博士生导师，主要研究兴趣为数字信号处理、智能计算、嵌入式系统．Ｅｍａｉｌ：ｊｉｚｈｅｎ＠ｓｚｕ．ｅｄｕ．ｃｎ．周家锐，男，１９８４年生，硕士研究生，主要研究兴趣为生物启发式算法、ＤＮＡ数据压缩技术．廖惠连，