基于自适应多种群的粒子群优化算法

《基于自适应多种群的粒子群优化算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于自适应多种群的粒子群优化算法曾辉王倩夏学文方霞新疆工程学院计算机工程系新疆师范大学数学科学学院华东交通大学软件学院华东交通大学智能优加拿大萨斯卡切温大学地理与规划系摘要：为了平衡算法的探测能力和开采能力，提高粒子群算法在不同类型问题上的综合性能，提出了一种基于自适应多种群的粒子群优化算法（PSO-SMS）。算法包含重组、子群规模调整和探测三个模块。在演化初始阶段，整个种群被划分成许多子种群。重组模块使不同子群间可以共享优势信息，有利于单峰和多峰函数的优化。当种群陷入潜在的局部最优时，探测模块可基于搜索过程的一些历史信息,帮助跳出当前的

2、局部最优。通过子群规模调整，每个子种群的大小随着进化的过程而逐渐增加，有利于提高算法在初始阶段的探测能力和后期的开采能力。通过CEC2013的测试集与其他7个PSO算法的比较表明，PSO-SMS算法在解决不同类型的函数优化问题上有着突出的性能表现。关键词：粒子群算法;全局优化;适应;多种群;作者简介：曾辉（1980-），男，博士，副教授，研究领域为智能计算、大数据处理；作者简介：王倩（1979-），女，硕士，讲师，研究方向为数值计算、智能计算;E-mail:wq98-l@163.com;作者简介：夏学文（1974-），男，博士，副教授，研

3、究方向为智能计算及其应用；作者简介：方霞（1980-）,女，在读博士，副教授，研究方向为遥感监测、大数据处理。基金：新疆维吾尔自治区教育厅高校科研计划基金（No.2014JYT041606）Particleswarmoptimizationalgorithmbasedonself-adaptivemulti-swarmZENGHuiWANGQianXIAXuewenFANGXiaDepartmentofComputerEngineering,XinjiangInstituteofEngineering;SchoolofMathematic

4、alSciences,XinjiangNormalUniversity;SchoolofSoftware,EastChinaJiaotongUniversity;Abstract：Aparticleswarmoptimizationbasedonself-adaptivemulti-swarm(PSO-SMS)algorithmisproposedtobalancetheexplorationabilityanddevelopinentabilityofthealgorithmandimproveitscomprehensiveperfo

5、rmaneeondiffcrcntproblems.Itconsistsofthreemodules,includingtherecombination,adjustmentofsub-swarmsizeanddetection.Intheinitialstageofevolution,theentireswarmisdividedintomanysub-swarms.Therecombinationmoduleenablesthedifferentsub-swarmstoshareadvantageousinfonnation,whic

6、hisbeneficialtotheoptimizationofuni-modalandmulti-modalfunctions.Whentheswarmistrappedinapotentiallocaloptimum,thedetectionmodulecanhelptheswarmjumpoutofthecurrentlocaloptimumbasedoncertainhistoricalinformationfromthesearchprocess.Throughtheadjustmenttosub-swarmsize,thesi

7、zeofeachsub-swarmgraduallyincreasesduringevolution,whichwillfacilitatetheimprovementofexplorationabilityintheinitialstageandthelaterdevelopmentabilityofthealgorithm.ThecomparisonbetweenCEC2013testsuiteandothersevenPSOalgorithmsshowsthatthePSO-SMSalgorithmhasoutstandingper

8、formanceinsolvingtheoptimizationproblemsofdifferentfunctions.Keyword：particleswarmoptimization;g