基于局部远亲差分增强的扰动粒子群优化算法

摘要：

针对粒子群优化(PSO)算法在搜索过程中因个体间缺乏交互,使种群逐渐丧失多样性、导致算法陷入局部极值的问题,提出了一种基于局部远亲差分增强的扰动粒子群优化算法(LFDE-PPSO).首先,为扩大种群搜索空间,在速度更新过程中引入扰动因子,使惯性权重、学习因子在小范围内波动;其次,引入重构概率,选择适应度值低的个体重建中间种群;最后,为增加种群多样性,使较差个体的优秀基因得以保留,引入粒子不相关性及远亲个体,利用不相关性选择与差分个体基因差异性较大的远亲进行差分增强.实验结果表明,所提算法能够使中间种群中适应度值高的个体得以保留,有效增加种群多样性,使种群具备较强的跳脱局部极值能力,加快粒子逼近全局最优,同时具有收敛快、精度高等优点.

关键词：粒子群优化算法、扰动、不相关性、局部远亲、差分增强、种群多样性

所属期刊栏目：38

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61404069;辽宁省科技厅博士启动基金资助项目20141140;辽宁省教育厅基金资助项目L2014128.This work is partially supported by the National Natural Science Foundation of China61404069;the PhD Start-up Fundation of Liaoning Province Science and Technology Department20141140;the Foundation of Liaoning Provincial Education DepartmentL2014128

在线出版日期：2018-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1239-1244,1249