教与学信息交互粒子群优化算法

摘要：

针对单一种群在解决高维问题中收敛速度较慢和多样性缺失的问题,提出了一种教与学信息交互粒子群优化(PSO)算法.根据进化过程将种群动态地划分为两个子种群,分别采用粒子群优化算法和教与学优化算法,同时粒子利用学习者阶段进行子种群之间信息交互,并通过评价收敛性和多样性指标让粒子的收敛能力和多样性在进化过程中得到平衡.与粒子群优化算法、混合灰狼粒子群算法、重选精英个体的非线性收敛灰狼优化(GWO)算法等多个进化算法在15个标准测试函数的不同维度下进行对比实验,所提算法在多个测试函数上可以收敛到理论最优值,速度相对于其他算法提高了1～6倍.实验结果表明,所提算法在收敛精度和收敛速度上具有较好的效果.

关键词：粒子群优化算法、教与学优化算法、种群动态调整、信息交互、归一化方法、多种群协同

所属期刊栏目：42

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61703270

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：874-882