邻域自适应的微分变异约束分数阶粒子群优化

摘要：

分数阶粒子群算法(FOPSO)是一种具有路径记忆的改进型粒子群优化算法.在多峰约束优化问题中,针对FOPSO易于早熟和依赖于初始参数的问题,文中提出了一种邻域自适应的约束分数阶粒子群优化方法(NAFPSO).在算法中,依据进化状态来动态调整邻域拓扑从而更新粒子位置和速度,以提高可行解的全局寻优能力和收敛速度;采用带惩罚因子的罚函数约束处理技术,迫使粒子趋向可行区域;设计了微分变异策略以增加种群多样性,增强粒子逃脱局部最优的能力.用9个约束优化基准函数实验验证了NAFPSO的有效性和收敛性能,并应用于2个约束工程设计问题,结果表明,提出的算法寻优能力强、收敛快、精度高、稳定性好,可用于有效地解决复杂的约束工程设计优化问题.

关键词：邻域拓扑、分数阶粒子群优化、自适应、约束优化、微分变异

所属期刊栏目：43

分类号：TP16(自动化基础理论)

资助基金：国家自然科学基金资助项目;金科院高层次引进人才科研项目;江苏省高校省级自然科学研究重大项目;江苏高校优秀科技创新团队项目

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：84-98