一种改进的粒子群优化算法

摘要：

近年来，粒子群优化算法已被广泛地用于解决各类优化问题。粒子群优化算法具有概念简单和收敛速度较快等优点。但是当用粒子群算法处理高维复杂问题时，往往会遇到陷入局部最优值，迭代后期收敛速度慢，解的精度低等缺点。针对粒子群优化算法容易收敛到局部最小值的缺点，文中提出了一种改进的粒子群优化算法。当粒子陷入较差的搜索区域时，以一定的概率对被困粒子实行拉伸操作，将粒子从较差区域向目前搜索到的较好区域拉伸，使被困粒子跳出较差区域，向较好的区域搜索，这样就可以合理分配搜索资源。这种改进算法一定程度上减少了粒子搜索到局部最优解的概率，使得粒子具有更大的搜索到全局最优解的可能性，并且可能搜索到精度更高的解。针对基准测试函数，对改进的粒子群算法和标准粒子群算法进行对比实验，结果表明该改进粒子群算法在大部分基准测试函数上取得了比较好的效果。

关键词：粒子群优化、全局最优解、早熟收敛、拉伸操作、自适应拉伸因子

分类号：tP301

资助基金：国家自然科学基金资助项目61203213

在线出版日期：2015-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：67-71