基于D-S的粒子群算法

粒子群优化（Particle Swarm Optimization,PSO）算法是一类性能优越的寻优算法。但由于早熟问题,影响了算法性能的发挥。针对这一问题,通过获取粒子群的状态信息,来控制PSO进化过程,是一种有效的PSO改进方法。但现有的方法是从单一的角度来描述粒子群进化状态,使用时还具有一定的局限性。为了更进一步发挥PSO算法的优越性能,充分考虑了粒子群进化状态中的不同信息,根据证据融合理论,提出一种PSO算法（称为DSPSO）。首先根据全局和局部搜索的要求,把算法分为不同的搜索模式;然后,在进化过程中,对描述粒子群的不同参数进行D-S融合。根据融合结果,确定粒子群状态,选择合适的搜索模式。对测试函数的仿真实验表明,与对比方法相比较,DSPSO算法具有更好的收敛精度和更快的进化速度。