综合维度学习的多群协作粒子群优化算法

摘要：

针对维度学习策略(dimensional learning strategy,DLS)中存在的过度开发问题,提出了一种综合维度学习的多群协作粒子群优化算法(CDL-MCPSO).为提高种群搜索效率,采用基于主从范式的集群结构,将种群划分为一个主群和四个从群,主群执行综合学习策略在搜索空间进行大范围探索,从群执行综合维度学习策略(comprehensive dimensional learning,CDL)在局部最优解附近进行高精度的开发,主从群通过执行具有不同职能的算法能够有效实现其在勘探和开发之间的平衡;同时为保持种群多样性,提出了 一种新的解交换机制(SEM)用于在主从群独立运行各自算法若干代之后进行信息的交流与协作,以指导粒子后期进行更准确的搜索;最后,针对初始化过程随机性过高,运用拉丁超立方体采样方法对算法重建输入分布.为验证CDL-MCPSO的有效性,将其与五种粒子群算法变体在10个测试函数上进行实验对比,结果表明该算法总是可以找到优于或相当于对比算法的解,在求解复杂函数时具有可行性和高效性.

关键词：粒子群算法(PSO)、综合维度学习策略、主从范式、多群协作

所属期刊栏目：39

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;国家自然科学基金;浙江省基础公益研究计划资助项目

在线出版日期：2022-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2369-2375,2387