基于事件触发的全信息粒子群优化器及其应用

摘要：

针对标准粒子群优化算法存在早熟收敛和容易陷入局部最优的问题, 本文提出了一种基于事件触发的全信息粒子群优化算法(Event-triggering-based full-information particle swarm optimization, EFPSO). 首先, 引入一类基于粒子空间特性的事件触发策略实现粒子群优化算法(Particle swarm optimization, PSO) 的模态切换, 更好地维持了算法搜索和收敛能力之间的动态平衡. 然后, 鉴于引入历史信息能够降低算法陷入局部最优的可能性, 提出一种全信息策略来克服PSO算法搜索能力不足的缺陷. 数值仿真实验表明, EFPSO算法在种群多样性、收敛率、成功率方面优于其他改进的PSO算法. 最后, 应用EFPSO算法对变分模态分解(Variational mode decomposition, VMD)去噪算法进行改进, 并在现场管道信号去噪取得了很好的效果.

关键词：粒子群优化器、事件触发策略、全信息策略、去噪算法、变分模态分解

所属期刊栏目：49

分类号：TP391.41;TP18;TH137

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;海南省科技专项基金;黑龙江省省属高校基本科研业务费资助

在线出版日期：2023-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：891-903