基于纠错机制的粒子群优化算法.pdf

《基于纠错机制的粒子群优化算法.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、118传感器与微系统(TransducerandMicrosystemTechnologies)2014年第33卷第5期?＼＼计算与测试(Is、基于纠错机制的粒子群优化算法张捷，王华倩，乔学工(1．太原理工大学信息与工程学院，山西太原030024；2．太原理工大学电气与动力工程学院，山西太原030024)摘要：针对标准粒子群算法存在的收敛性和收敛速度的问题，提出一种基于纠错机制的粒子群优化(MPSO)算法。该算法通过对粒子速度的更新过程引入一种简单的纠错机制，使得粒子在进化过程的每一步可能出现的错误得以及时修

2、正，从根本上降低粒子在搜索过程中出错的概率。采用3个典型的函数进行测试，仿真结果表明：与标准粒子群算法相比，该算法有效地提高了其全局收敛能力和收敛速度。关键词：粒子群优化算法；纠错机制；倒退现象；函数优化；收敛性中图分类号：TP18文献标识码：A文章编号：1000-9787(2014)05--0118-03PSOalgorithmbasedonerrorcorrectionmechanismZHANGJie，WANGHua—qian。，QIAOXue—gong(1．CollegeofInformationEn

3、gineering，TmyuanUniversityofTechnology，Taiyuan030024，China；2．CollegeofElectricalandPowerEngineering，TaiyuanUniversityofTechnology，T~yuan030024，China)Abstract：AimingatproblemofconvergenceandtheconvergentspeedofthestandardparticleswarInalgorithm，presentaparti

4、cleswarmoptimizationalgorithmbasedonerrorcorrectionmechanismcalledMPSO．Asimpleerrorcorectionmechanismisintroducedintotheupdateprocessoftheparticle，SOthatthepossibleerroroftheparticleineverystepoftheevolutionaryprocesscallbecorrectedintime，anderrorprobabilit

5、yoftheparticleinsearchingprocesscanbereducedfundamentally．UsingthreetypicalfunctionstotestandsimulationresuhsshowthatglobalconvergenceabilityandconvergencerateofthealgorithmareincreasedeffectivelycomparedwiththestandardparticleSWalTIIalgorithm：Keywords：part

6、icleswarmoptimization(PSO)algorithm；errorcorrectionmechanism；setback；functionoptimization；convergence0引言1标准PSO概述粒子群优化(PSO)算法是由美国社会心理学家PSO算法中，每个粒子都被理解为解空间的一个解，通KennedyJ和电气工程师EberhartRC于1995年共同提出过事先设定的一个适应度函数来确定粒子的好坏。每个粒的一种新的全局优化算法，起源于自然界鸟类和鱼群的社子将由一个速度变量来决定其在

7、相应解空间中的飞行方向会性行为的模拟。由于概念简单、参数少、易于实现等优和距离。根据粒子本身的最优位置和群体找到的最优位置点，PSO算法一经提出便引起了广泛的关注，应用于许多科来动态调整自身的飞行方向和速度，通过粒子间的相互作学和实际工程领域。用使其飞向最优粒子。研究表明，PSO算法的搜索过程中存在“走弯路”现标准PSO算法。。先对一群随机粒子初始化，在n维搜象，因此，会导致收敛速度慢，甚至不收敛。针对该缺点，在索空间中，由m个粒子组成的一个种群表示为X=(。，。，⋯前人研究的基础上，提出一种基于纠错机制的粒

8、子群优化，)。其中，第i个粒子的位置为X=(，，⋯，)，(MPSO)算法。该算法通过建立一种简单的纠错机制对粒速度为Vi=(，⋯，)，自身最优位置为P。=(PP，⋯子每一步的进化方向进行判断，如果出现倒退现象，则使粒，P)，全局最优位置表示为=(PP，⋯，P)。子向完全相反的方向前进，这样不仅降低了粒子在进化过粒子速度和位置更新策略为程中出错的概率，同时也保持了PSO算法的多样性，从而V(t+1)=