粒子群算法研究与展望.pdfVIP

IT论坛 粒子群算法研究与展望 邓伟林1,2 ， 胡桂武3 广东轻工职业技术学院计算机系，广州 ； 华南理工大学计算机科学与工程学院，广州 ； (1. 5103002. 510641 3.广东商学院数学与计算科学系，广州 510320) 摘 要：介绍了基本粒子群算法，归纳了粒子群算法的研究现状和改进，包括：增加惯性因子的改进； 基于收敛性分析的改进；导入其他演化算法思想的改进；建立非数值问题模型的改进。简要 分析了PSO算法的应用。最后对PSO的研究现状做出总结和展望，提出未来的几个研究热点。 关键词：粒子群算法；群体智能；演化计算 1 基本粒子群算法 经验的过程；第三部分是 “社会”部分，表示粒子从群 体中学习的过程。为了说明这三部分对算法性能的影 粒子群算法 ，最 (ParticleSwarmOptimization:PSO) 响，文献 把 设置为零，衍变出只有社会模型 （ [2] c1 The [1] 早是由 等在 年提出的 。 算法是一 Kennedy 1995 PSO ） 算法；把 设置为零，衍变出 Social-onlyModelPSO c2 种演化计算技术，属于群体智能算法。基本思想来源 只有认知模型 （ ） 算法。 TheCognition-onlyModelPSO 于对鸟类的群体行为进行建模和仿真研究结果的启 并且将以上两种模型PSO算法用于XOR神经网络 发。在PSO算法中，每个优化问题的解都是有哪些信誉好的足球投注网站空间 权值的优化，实验结果发现只有认知模型PSO算法 中的一只 “鸟”，我们称之为粒子。所有的粒子都有一 性能比较差，因为在这个模型中粒子间没有任何的通 个被优化的函数决定的适应值，每个粒子还有一个速 信，相当于若干个粒子独自地在飞行，因此得到最优 度决定他们飞行的方向和距离。然后粒子们就追随当 解的概率非常小；而只有社会模型PSO算法以比较快 前的最优粒子在解空间中有哪些信誉好的足球投注网站。PSO初始化为一群随 的速度收敛，但是容易陷入局部最优，特别是对比较复 机粒子随机解 ，然后通过迭代找到最优解。在每一次 ( ) 杂的问题。因此，这三部分在一定的程度上