基于粒子群-遗传混合算法的函数优化研究

基于传统粒子群优化算法(PSO)和遗传算法(GA),提出了一种混合算法(hybrid particle swarm optimization and genetic algorithm,h-PSO-GA)。该算法借鉴小生境的思想,将种群划分为不同的子种群,并设计一种个体评价策略,防止非最优个体被过早淘汰,增加非最优个体被选择的几率,保持种群的多样性;引入相似度概念,依据不同个体进行不同交叉操作,产生更优的个体;将遗传算法中的变异操作引入粒子群算法的个体更新中,使算法的速度更新方式兼具本身的速度算子和遗传算法的变异操作,使该混合算法兼具遗传算法的全局搜索能力和粒子群算法的局部搜索优势。将其应用到函数优化中,通过对5个测试函数进行实验验证,结果表明,该混合算法较之传统的遗传算法与粒子群算法具有较快的收敛性和全局最优性。