基于CGA和PSO的双种群混合算法-论文.pdf

《基于CGA和PSO的双种群混合算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第40卷第7期计算机工程2014年7月、，o1．40No．7CompmerEngineeringJuly2014·人工智能及识别技术·文章编号：1000-3428(2014)07—0148—06文献标识码：A中图分类号：TP18基于CGA和PSO的双种群混合算法王永贵，林琳，刘宪国(辽宁工程技术大学软件学院，辽宁葫芦岛125105)摘要：针对粒子群算法(PSO)收敛速度慢、求解精度不高以及易陷入局部最优的缺点，结合云遗传算法(CGA)和粒子群优化算法，提出一种新型的双种群混合算法(CGA—PSO)。将整个种群平均分成2个子群，分别采用云遗传算法和加入自调

2、整惯性权值策略的粒子群优化算法完成进化。通过引入一种新型的信息交流机制：两子群子代间信息交流以及子代与父代问信息交流，共享最优个体，淘汰最劣个体，实现共同进化，适时对粒子群适应度较差的个体进行云变异操作，该操作是基于云模型的随机性和稳定性，利用全局最优位置和最劣位置实现对部分粒子位置的变异过程。对5个经典测试函数进行测试，并与CGA和PSO算法及其优化算法进行比较，结果表明，CGA—PSO算法具有较高的搜索效率、求解精度和较快的收敛速度，鲁棒性也较强。关键词：云遗传算法；粒子群优化算法；双种群混合算法；自调整惯性权值策略；信息交流机制；云变异操作Dual

3、PopulationsHybridAlgorithmBased0nCGAandPSOWANGYong—gui，LINLin，LIUXian—guo(SchoolofSoftware，LiaoningTechnicalUniversity，Huludao125105，China)【Abstract】Consideringtheproblemincludingslowconvergencerates，lowsolvingprecisionsandeasytotrapinlocaloptimumofParticleSwarmOptimization(Pso)a

4、lgorithm．anoveldualpopulationhybridalgorithmnamedCGA—PSOispresented．whichisbasedonCloudGeneticAlgorithm(CGA)andPSOalgorithm．Inthisalgorithm，thewholepopulationisdividedintotwoequalpopulations．CGAandPSOwithself-adjustinginertiaweightstrategyareusedintheprocessofevolutionoftwopopula

5、tions．Twopopulationssharethebestindividualandeliminatetheworstindividualbyexchanginginformationbetweenthetwogroupsofoffspringaswellasofspringandparenttocompletetheevolution，andatimelycloudmutationoperationisgivenonpoorfitnessofindividuals．Cloudmutationoperationisbasedonstabletend

6、encyandrandomnesspropertyofcloudmode1．Theglobalbestpositionandtheglobalworstpositionareusedtocompletemutationonthepartoftheparticle’Sposition．BytestingfiveclassicalfunctionsandcomparingCGA—PSOwithCGA，PSOandtheiroptimizationalgorithms，theresultsshowthattheproposedalgorithmhashighe

7、rsearcheficiency,accuracyandrapidconvergencespeed，andstrongerrobustness．【Keywords】CloudGeneticAlgorithm(CGA)；ParticleSwarmOptimization(PSO)algorithm；dualpopulationshybridalgorithm；self-adjustinginertiaweightstrategy；informationexchangemechanism；cloudmutationoperationDOI：1O．3969／j

8、．issn．1000—3428．2014．07．031能算法，其源于对鸟类捕食行