膜计算多粒子群算法

摘要：

针对粒子群(Particle swam optimization,PSO)算法进化后期收敛速度较慢,易陷入局部极值点,精度较差等不足,提出膜计算多粒子群(MC-MPSO)算法.在该算法中,将原始PSO、标准PSO、中值导向粒子群(MPSO)、扩展粒子群(EPSO)、多作用力粒子群(MFPSO)、两阶段作用力粒子群(TFPSO)等六种具有不同优点的粒子群算法分别放入六个基本膜内,提出MC-MPSO算法的膜间交流与粒子更新机制,在进化前期,各粒子群算法按自身机制进行搜索寻优,即各基本膜各自进化来充分发挥各基本膜内算法的优点;在进化后期,各基本膜内算法与比自身更好的表层膜内最优解粒子交流,各表层膜逐步吞并搜索能力较差的基本膜,而最适合问题优化求解的基本膜长大并按照表层膜输出,使MC-MPSO算法集成了基本膜内六种粒子群算法的各自优势,并具有适应不同类型优化求解问题的寻优能力.通过与基本膜内六种粒子群算法的测试对比,与遗传算法、鱼群算法及其他基于膜计算的粒子群算法的比较,证明了MC-MPSO算法具有更好的寻优能力和适用性.最后,将MC-MPSO算法应用于串联和桥式系统可靠性优化问题,验证了所提算法的有效性.

关键词：粒子群算法、膜计算、MC-MPSO算法、可靠性优化

所属期刊栏目：55

分类号：TP18;TB114(自动化基础理论)

资助基金：国家自然科学基金51405426,51675460;中国博士后科学基金2017M621101;河北省自然科学基金E2016203306

在线出版日期：2019-09-04（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：222-232