采用多搜索模式的粒子群算法

张呈志, 王　勇, 李海滨

(广西民族大学 a.信息科学与工程学院;b.广西高校复杂系统与智能计算重点实验室，南宁　530006)



采用多搜索模式的粒子群算法

张呈志, 王勇, 李海滨

(广西民族大学 a.信息科学与工程学院;b.广西高校复杂系统与智能计算重点实验室，南宁530006)

摘要：从现实中鸟的搜索方式中得到灵感, 提出一种新的变异粒子群算法, 称之为采用多搜索模式的粒子群优化算法(MMPSO)。该算法中的每个粒子使用3种搜索模式在搜索空间中搜索食物, 可随时调整其搜索方式。在数值仿真实验中选择了几个比较典型的高维复杂优化问题用来测试算法的性能。结果表明:算法的全局搜索能力和避免粒子陷入局部最优的能力都得到了明显提高, 在一定程度上避免了早收敛现象的发生, 可用于求解高维复杂函数的优化问题。

关键词：粒子群算法;多搜索模式;MMPSO

0引言

粒子群优化算法(particle swarm optimization, PSO)[1]是Kennedy和Eberhart于1995年共同提出的一种基于群体智能的并行优化算法。由于PSO算法具有理论方法简单、设置参数少、易于编码实现等特点, 且在复杂优化问题、工程等方面也得到了广泛应用, 因而自PSO算法提出以来, 越来越受到学者们的关注；但与其他随机搜索算法相似, PSO算法也存在早熟收敛的不足。 针对标准PSO存在的不足, 不少学者对PSO开展了较为深入的研究, 提出了多种PSO改进策略[2-30], 取得了不少研究成果。例如： 吕振肃等[8]提出一种基于群体适应度方差自适应变异的粒子群优化算法(AMPSO); 赫然等……