自适应扩散混合变异机制微粒群算法

摘要：

为了避免微粒群算法(particle swarm optimization,简称PSO)在全局优化中陷入局部极值,分析了标准PSO算法早熟收敛的原因,提出了自适应扩散混合变异机制微粒群算法(InformPSO).结合生物群体信息扩散的习性,设计了一个考虑微粒分布和迭代次数的函数,自适应调整微粒的"社会认知"能力,提高种群的多样性;模拟了基因自组织和混沌进化规律,引入克隆选择使群体最佳微粒gBest实现遗传微变、局部增值,具有变异确定性;利用Logistic序列指导gBest随机漂移,进一步增强逃离局部极值能力.基于种群的随机状态转移过程,证明了新算法具有全局收敛性.与其他几种PSO变种相比,复杂基准函数仿真优化结果表明,新算法收敛速度快,求解精度高,稳定性好,能够有效抑制早熟收敛.

关键词：微粒群算法、早熟收敛、信息扩散、克隆选择、Logistic序列

所属期刊栏目：18

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60373080;福建省自然科学基金A0310009;A0510023;厦门大学985二期信息技术创新平台项目;教育部科学技术研究项目206073

在线出版日期：2008-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2740-2751