粒子群优化算法中粒子更新方法研究-江苏科技大学学报.pdf

第２２卷第５期 江 苏 科 技 大 学 学 报（自然科学版） Ｖｏ１２２ Ｎｏ５ 　 ２００８年１０月 ＪｏｕｒｎａｌｏｆＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）　 Ｏｃｔ．２００８ 　　　　　　 粒子群优化算法中粒子更新方法研究 田雨波，朱人杰，李正强 （江苏科技大学 电子信息学院，江苏 镇江２１２００３） 摘　要：粒子群优化算法是根据鸟或鱼群居社会行为而提出的随机优化算法，但标准粒子群优化算法存在早熟收敛和 有哪些信誉好的足球投注网站精度低等问题．因此模拟生物克隆选择中５％的Ｂ细胞自然消亡过程，在粒子群优化算法进化过程中分别基于代间 差分、混沌理论、变异原理等方法设计了８种粒子更新算法，并按照模拟退火方法进行更新后粒子的选择．通过数值实验 得出基于代间差分和混沌变异的粒子更新算法（即算法８）是一种很好的选择，并且当性能较差的２０％左右粒子按照这 种算法更新时效果较好．这种算法可以有效克服标准粒子群算法的早熟现象，并能够加快收敛速度． 关键词：粒子群算法；克隆选择；混沌；变异；模拟退火 中图分类号：ＴＰ３０１６　　　　　　文献标识码：Ａ　　 文章编号：１６７３－４８０７（２００８）０５－００６７－０６ Ｒｅｓｅａｒｃｈｏｎｕｐｄａｔｉｎｇａｌｇｏｒｉｔｈｍｓｉｎｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ ＴＩＡＮＹｕｂｏ，ＺＨＵＲｅｎｊｉｅ，ＬＩＺｈｅｎｇｑｉａｎｇ （ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＺｈｅｎｊｉａｎｇＪｉａｎｇｓｕ２１２００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＰＳＯ（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ）ｉｓａｓｔｏｃｈａｓｔｉｃｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｉｎｓｐｉｒｅｄｂｙｓｏｃｉａｌｂｅｈａｖ ｉｏｒｏｆｂｉｒｄｆｌｏｃｋｉｎｇｏｒｆｉｓｈｓｃｈｏｏｌｉｎｇ．Ｈｏｗｅｖｅｒ，ｔｈｅｓｔａｎｄａｒｄＰＳＯｈａｓｓｏｍｅｓｈｏｒｔｃｏｍｉｎｇｓ，ｓｕｃｈａｓｐｒｅｍａｔｕｒｅ ｃｏｎｖｅｒｇｅｎｃｅ，ｓｅａｒｃｈｉｎｇｐｒｅｃｉｓｉｏｎｌｏｗｎｅｓｓａｎｄｓｏｆｏｒｔｈ．Ｂａｓｅｄｏｎｔｈｅｓｉｍｕｌａｔｉｏｎｏｆｎａｔｕｒａｌｄｅａｔｈｐｒｏｃｅｓｓｏｆ５％ Ｂｃｅｌｌｉｎｂｉｏｌｏｇｙｃｌｏｎｅｓｅｌｅｃｔｉｏｎ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓ８ｋｉｎｄｓｏｆｕｐｄａｔｉｎｇａｌｇｏｒｉｔｈｍｓａｃｃｏｒｄｉｎｇｔｏｉｎｔｅｒｇｅｎｅｒａ ｔｉｏｎｄｉｆｆｅｒｅｎｔｉａｌ，ｔｈｅｏｒｙｏｆｃｈａｏｓ，ｐｒｉｎｃｉｐｌｅｏｆｍｕｔａｔｉｏｎｒｅｓｐｅｃｔｉｖｅｌｙ，ａｎｄｓｅｌｅｃｔｓｔｈｅｕｐｄａｔｅｄｐａｒｔｉｃｌｅｓｉｎｔｅｒｍｓ ｏｆｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇｍｅｔｈｏｄ．Ｎｕｍｅｒｉｃａｌｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅｕｐｄａｔｉｎｇａｌｇｏｒｉｔｈｍｂｙｕｓｉｎｇｉｎｔｅｒｇｅｎｅｒａ ｔｉｏｎｄｉｆｆｅｒｅｎｔｉａｌａｎｄｃｈａｏｔｉｃｍｕｔａｔｉｏｎ（ａｌｇｏｒｉｔｈｍ８）ｉｓａｇｏｏｄｓｅｌｅｃｔｉｏｎ．Ｓｉｍｕｌｔａｎｅｏｕｓｌｙ，ｔｈｅｕｐｄａｔｉｎｇｅｆｆｅｃｔｉｓ ｐｅｒｆｅｃｔｗｈｅｎｔｈｅｕｐｄａｔｅｄｐａｒｔｉｃｌｅｓａｒｅａｂｏｕｔ２０％．Ｔｈｅａｌｇｏｒｉｔｈｍｍａｙｏｖｅｒｃｏｍｅｅｆｆｅｃｔｉｖｅｌｙｔｈｅｐｒｅｍａｔｕｒｅ ｐｒｏｂｌｅｍａｎｄｓｐｅｅｄｕｐｔｈｅｃｏｎｖｅｒｇｅｎｃｅ． Ｋｅｙｗｏｒｄｓ：ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ；ｃｌｏｎｅｓｅｌｅｃｔｉｏｎ；ｃｈａｏｓ；ｍｕｔａｔｉｏｎ；ｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇ ０　引　言 粒子群优化算法ＰＳＯ（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ）是一种基于群体智能的进化计算技术，其思想来 源于人工生命和进化计算理论，最早是由美国的Ｋｅｎｎｅｄｙ和Ｅｂｅｒｈａｒｔ教授受鸟群觅食行为的启发提出 ［１］ 的 ．ＰＳＯ算法采用实数求解，并且需要调整的参数较少，易于实现，是一种