强化全局搜索的改进杂交粒子群算法

摘要：

针对粒子群算法存在容易陷入局部最优的问题，提出一种改进杂交粒子群算法以强化全局搜索的能力。将粒子群优化与分布估计算法相结合，利用分布估计模型提取全局信息，用以指导种群大小的自适应变化。在全局信息变化显著时扩充种群，来加强算法在未知区域的探索；在种群大小达到上限时，利用全局信息更新较差个体，引导种群向最优区域集中；在全局信息或最优解均基本不变时，对种群进行重构，降低计算代价并防止陷入局部最优。7组标准函数的测试结果表明，改进算法优于其余几种与分布估计模型结合的杂交算法，在全部5组多模态函数的测试中其结果是最好的，其中在理论最小值未知的函数 F7上，所得最优值比其它算法提升了9.5～13.6。

关键词：粒子群算法、全局搜索、杂交、分布估计算法、自适应种群

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目61379079

在线出版日期：2014-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3626-3630