基于D-S的粒子群算法

摘要：

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DS_PSO).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,DS_PSO算法具有更好的收敛精度和更快的进化速度.

关键词：粒子群优化、证据理论、收敛精度、进化速度

所属期刊栏目：24

分类号：N945.13(系统科学)

资助基金：教育部全国优秀博士学位论文作者专项基金200237

在线出版日期：2007-04-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：162-164,182