平均计算时间复杂度优化的动态粒子群优化算法

摘要：

粒子群优化(PSO:Particle Swarm Optimization)算法已经被广泛地应用,其中包括大量实时性要求很高的颁域,如宽带数字信号处理.传统PSO算法需要对大量粒子分别进行若干次迭代运算,这将导致该算法的平均计算时间复杂度较高,运算延时大,不能满足这种高实时性要求.因此,需要在不影响性能的前提下降低PSO算法的平均计算时间复杂度.提出了一种粒子数量可变的动态粒子群优化(DPSO:Dynamic PSO)算法,其核心是丢弃粒子判定条件,在迭代过程中,根据该条件动态地抛弃一些粒子,从而降低算法的平均计算时间复杂度.此外,在算法迭代过程中对粒子的个体极值进行变异,从而避免陷入局部最优解.实验和理论分析结果表明,在算法的平均计算时间复杂度方面,对于相同的优化结果,DPSO算法的平均计算时间复杂度比传统PSO算法降低了30%左右;在算法的性能方面,对于单峰值目标函数,DPSO算法与传统PSO算法的优化性能相当,而对于多峰值目标函数,DPSO算法的优化性能要优于传统PSO算法.

关键词：平均计算时间复杂度、粒子群优化、动态、变异、多峰值函数优化

所属期刊栏目：37

分类号：TP301(计算技术、计算机技术)

资助基金：863国家重点基金项目"负载自适应的低功耗异构多核网络处理器研究"2008AA01Z134

在线出版日期：2010-05-10（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：191-194,288