一种自适应惯性权重的粒子群优化算法

《一种自适应惯性权重的粒子群优化算法》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、万方数据第28卷第6期2011年6月计算机应用与软件ComputerApplicationsandSoftwareV01．28No．6Jun．201l一种自适应惯性权重的粒子群优化算法郭长友(德州学院计算机系山东德州253023)摘要为较好平衡粒子群算法中全局搜索能力与局部搜索能力，分析了PSO(ParticleSwarmOptimization)算法中的惯性权重与种群规模、粒子适应度以及搜索空间维度的关系，并把粒子惯性权重定义为这三者的函数。通过在每次送代后更新每个粒子的惯性权重，实现了自适应调整全局搜索能力与局部搜索能力，并结合动态管理种群的策略提出了

2、改进的粒子群算法。通过在多个常用测试函数上与已有惯性权重调整算法测试比较，证明新算法具有较强的全局寻优能力与较高的搜索效率。关键词粒子群算法自适应惯性权重种群规模搜索空间维度粒子适应度动态管理种群APARTICLESWARMoPTIMISATIoNWITliADAPTⅣEINERTIAWEIGHTGuoChangyou(DepartmentofComputerScience，DezhouUniversity，Dezhou253023，Shandong，China)AbstractInordertogetabet【eI．I,alancebetweenglob

3、alsearchabilityandlocalsearchcapabilityoftheparticleswarmoptinfisation，therelationshipbetweentheinertiaweight，theparticlefitnessandpopulationsize，aswellasthedimensionsof"searchingspaceisanalysed，andtheparticleinertiaweightisdefinedasafunctionofthemthree．Byupdatingtheinertiaweighto

4、feveryparticleineachiteration。theself—adaptiveadjustmentbetweenglobalsearchabilityandlocalsearchabilityisachieved．Animprovedparticleswarmoptimisationisbroughtupincombinationwiththepopulationdynamicmanagementstrategy．Thenewalgorithmisprovedtohavestrongerglobaloptimisationcapability

5、andhighersearchefficiencythroughthecomparisonofitwithexistinginertiaweightadjustmentalgorithmsusingacoupleofcommonlyusedtestingfunctions．KeywordsParticleswarlnoptimizationAdaptiveinertiaweightPopulationsizeSearchspacedimensionParticlefitnessDynamicmanagementofpopulations0引言粒子群优化PS

6、O是由Kennedy和Eberhart等人提出的一类模拟群体智能行为的优化算法。其思想来源于对鸟群捕食行为的研究，与遗传算法和蚁群算法相比，PSO容易实现并且可调整参数较少，因此被广泛应用。文献[1—3]指出，目前PSO的研究主要集中在三个方面：一是算法的改进研究；二是算法的性能分析；三是算法的应用研究。而算法的性能分析主要针对参数不同取值组合对算法性能的影响。惯性权值是粒子群算法最重要的可调整参数之一。文献[4]指出较大的权值有利于提高算法的全局搜索能力，而较小的权值会增强算法的局部搜索能力。为了找到一种能在全局搜索和局部搜索之间取得最佳平衡的惯性权值选

7、取方法，研究人员进行了大量的研究工作，先后提出了线性递减权值(LDIW)策略、模糊惯性权值(F1w)策略和随机惯性权值(RIW)策略。而已有的搜索策略都是将粒子群看作一个整体来调整惯性权重，没有考虑到不同适应度的粒子需要不同的惯性权重，忽视了问题复杂度和群体规模等重要因素。本文分析了PSO算法中的惯性权重与种群规模、粒子适应度以及搜索空间维度的关系，把粒子惯性权重定义为这三者的函数，并结合动态管理种群的策略提出了改进的粒子群算法。新算法在每次迭代后根据当算法搜索状态更新每个粒子的惯性权重，实现了自适应调整全局搜索与局部搜索能力。通过与LDIW、FIW、RI

8、W等调整算法在常用多峰测试函数上的实验结果证明，新算法具有较强的全