改进PSO算法的性能分析与研究

被引:41
作者
雷秀娟
付阿利
孙晶晶
机构
[1] 陕西师范大学计算机科学学院
关键词
粒子群优化(PSO); 遗传PSO; 二阶振荡PSO; 量子PSO; 模拟退火PSO;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
081202 ;
摘要
分析了粒子群优化(PSO)算法的进化式,针对其容易发生早熟、收敛速度慢、后期搜索性能和个体寻优能力降低等缺点,结合遗传算法的思想,提出一种新的混合PSO算法——遗传PSO(GAPSO)。该算法是在PSO算法的更新过程中,对粒子速度引入遗传算法的变异操作,对粒子位置引入遗传算法交叉操作。对速度的变异降低了算法后期因种群过于密集而陷入局部最优的可能,对位置的交叉使得父代中优良个体的基因能够更好地遗传给下一代,从而得到更优、更多样化的后代,加快进化过程,提高了收敛速度和群体搜索性能。选取了其他几种典型的改进PSO算法,从算法执行过程、参数设置及优化性能等方面对各算法进行全面的分析比较,其中对模拟退火PSO算法采用了一种新的可提高算法执行速度的退火方式。最后针对选取的六个Benchmark函数优化问题进行数值仿真实验。仿真结果表明了所提出的遗传PSO算法不但收敛速度加快,而且后期搜索性能提高,能更有效地收敛到全局最优。为了形象地显示粒子的收敛过程,还仿真了GAPSO算法对二维多模态Grie-wank函数的动态寻优过程。
引用
收藏
页码:453 / 458
页数:6
相关论文
共 6 条
[1]   改进的粒子群优化算法 [J].
宋洁 ;
董永峰 ;
侯向丹 ;
杨彦卿 .
河北工业大学学报, 2008, (04) :55-59
[2]   混合粒子群优化算法在电网规划中的应用 [J].
符杨 ;
徐自力 ;
曹家麟 .
电网技术, 2008, (15) :31-35
[3]   二阶振荡微粒群算法 [J].
胡建秀 ;
曾建潮 .
系统仿真学报, 2007, (05) :997-999
[4]   一种改进的自适应逃逸微粒群算法及实验分析 [J].
赫然 ;
王永吉 ;
王青 ;
周津慧 ;
胡陈勇 .
软件学报, 2005, (12) :2036-2044
[5]   粒子群优化的两种改进策略 [J].
窦全胜 ;
周春光 ;
马铭 .
计算机研究与发展, 2005, (05) :897-904
[6]  
Particle swarm optimization .2 Kennedy J,Eberhart RC. Proceedings of the IEEE International Joint Conference on Neural Networks . 1995