粒子置换的双种群综合学习PSO算法

摘要：

针对粒子群算法(PSO)种群多样性低和易于陷入局部最优等问题,提出一种粒子置换的双种群综合学习PSO算法(PP-CLPSO).根据PSO算法的收敛特性和Logistic映射的混沌思想,设计并行进化的PSO种群和混沌化种群,结合粒子编号机制,形成双种群系统中粒子的同号结构和同位结构,其中粒子的惯性权重根据适应度值自适应调节;当搜索过程陷入局部最优时,PSO种群同位结构下适应度值较差的粒子,根据与混沌化种群间的同号结构执行粒子置换操作,实现了双种群系统资源的合理调度,增加了种群的多样性;进而综合双向搜索的同位粒子学习策略和线性递减搜索步长的局部学习策略,进行全局探勘和局部搜索,提高了算法的求解精度.实验选取9个基准测试函数,同时与4个改进的粒子群算法和4个群智能算法进行对比验证,实验结果表明,PP-CLPSO算法在求解精度和收敛速度等方面具备较好的综合性能.

关键词：粒子群算法(PSO)、双种群系统、粒子编号、粒子置换、综合学习

所属期刊栏目：15

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金;黑龙江省高等教育教学改革项目;哈尔滨市科技局科技创新人才研究专项基金;哈尔滨师范大学计算机学院科研项目

在线出版日期：2021-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：766-776