基于群体爬山策略的混合粒子群优化算法

摘要：

针对粒子群优化算法（PSO）在求解高维复杂优化问题时存在搜索精度不高和易陷入局部最优解的缺陷，借鉴混合蛙跳算法（SFLA）的群体爬山思想，提出一种基于群体爬山策略的混合粒子群优化算法（CMCPSO），并证明了CMCPSO算法的全局收敛性。对四个典型高维连续优化函数的求解表明，该算法不仅保持了PSO算法的快速收敛能力，而且吸收了SFLA算法局部精细搜索和保持种群多样性的优点，具有良好的全局收敛性。

关键词：粒子群优化算法、混合蛙跳算法、群体爬山策略、全局收敛性、函数优化

分类号：TP18(自动化基础理论)

资助基金：教育部重点实验室开放课题资助江南大学项目No.APCL11001。

在线出版日期：2014-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：45-48,179