粒子群优化算法的变形

2015，51（5）1引言自从1995年粒子群优化PSO （Particle Swarm Opti-mization ）算法被提出以来，PSO 以良好的优化能力在各个领域得到广泛的应用。PSO 通过简单的个体行为，借助群体的优势，形成了整体上的智能特征[1]。原始的PSO 算法在复杂、多局部极值的优化问题中容易陷入局部最优，对PSO 算法的改进是研究PSO 的重点之一。饶兴华等[2]利用动态调整算法参数来避免早熟现象；黄泽霞等[3]自适应地调整惯性权重以提高算法的收敛速度；张成兴[4]利用压缩因子和综合信息来平衡算法的局部和全局搜索；刘晓乐[5]对收缩因子的粒子群算法进行了改进并应用于心脏电流模型重构中；逯少华等[6]提出了种群的分布特征来改进粒子群算法；那日苏等[7]基于仿生学在迭代公式中加入负梯度项平衡算法的局部和全局搜索；李会荣等[8]通过引入随机调节因子克服算法的早熟收敛。与其他优化算法混合也有利于改进粒子群算法的优化能力。刘道华等[9]用混沌映射规则改进粒子群算法并应用于约束优化问题；章慧云等[10]研究了免疫粒子群等混合算法的优缺点；王琼等[11]结合模糊算法和模拟退火算法来改进粒子群算法并应用于参

数估计问题中。有些学者结合研究的具体问题提出对粒子群算法的改进。胡旺等[12]针对多目标优化问题提出用Pareto 熵估计种群的进化状态达到对粒子群算法的改进；马冬青等[13]在车辆调度的复杂问题中引入爬山

算法提高粒子群算法的局部搜索能力；周静等[14]利用邻域搜索机制提高虚拟角色路径规划中粒子群算法的优化能力；韩贤权等[15]针对点云数据配准的困难，对相邻点云重叠区域的数据进行全局搜索实现散乱点云的精确配准。

在上述改进措施中常常融合了其他优化方法，增加了算法的复杂性，而且未涉及对PSO 本身的实质性的改变。考虑到PSO 算法的迭代方程中主要是速度更新，速度更新方程有惯性部分、个体认知部分和群体认知部分。三部分的作用是使粒子向更好的方向运动，同时使粒子具有一定的探索能力，避免陷入局部最优。个体认知部分和群体认知部分分别是个体最优位置和群体最优位置与粒子当前位置的差，所以这两个差使粒子向着最优的方向运动。但对于惯性部分，虽然它吸取了物理粒子群优化算法的变形

袁代林

YUAN Dailin

西南交通大学数学学院统计系，成都610031

Department of Statistics,School of Mathematics,Southwest Jiaotong University,Chengdu 610031,China

YUAN Dailin.Transformation of particle swarm optimization https://www.wendangku.net/doc/8c13010436.html,puter Engineering and Applications,2015,51（5）：23-26.

Abstract ：The functions of inertance part,individual perception part and population perception part about the particle swarm optimization algorithm are analysed.Every part of the iterative equations about the particle swarm optimization algorithm is transformed.Three new particle swarm optimization algorithms are obtained.The three new algorithms possess prefera-ble optimization abilities which are illustrated by examples.

Key words ：particle swarm optimization algorithm;transformation formula;optimization

摘要：分析了粒子群算法的惯性部分、个体认知部分和群体认知部分的作用，对粒子群算法迭代方程的各部分进行变形，获得了三种新形式的粒子群算法。用算例说明所得到的三个新的粒子群算法具有较好的优化能力。关键词：粒子群优化算法；公式变形；最优化

文献标志码：A 中图分类号：TP301.6doi ：10.3778/j.issn.1002-8331.1410-0256

基金项目：中央高校基本科研业务费专项资金（No.2682013CX037）。

作者简介：袁代林（1973—），男，博士，讲师，研究领域为群智能优化算法和概率极限理论。E-mail ：ydailin@https://www.wendangku.net/doc/8c13010436.html,

收稿日期：2014-10-23修回日期：2014-11-21文章编号：1002-8331（2015）05-0023-04

CNKI 网络优先出版：2014-12-02,https://www.wendangku.net/doc/8c13010436.html,/kcms/doi/10.3778/j.issn.1002-8331.1410-0256.html Computer Engineering and Applications 计算机工程与应用

23