基于多种群子空间学习的粒子群优化算法
李奕铭
张红飞
程琳
王劼
1.安徽电气工程职业技术学院 合肥 2300222.安徽电气工程职业技术学院 合肥 2300223.安徽电气工程职业技术学院 合肥 2300224.安徽电气工程职业技术学院 合肥 230022
摘要：针对标准粒子群(particle swarm optimization,PSO)算法易陷入局部最优、进化后期收敛速度慢和收敛精度低的缺点,提出一种基于多种群子空间学习的粒子群优化算法(MSPSO).算法将种群分成多个子群,除了传统的种群历史最优粒子和全局最优粒子,还引入分群最优粒子和混合粒子,该混合粒子随机选择各子群最优粒子的相关维度混合而成,增加种群多样性,防止算法陷入局部最优.在种群进化后期,算法对子群最优粒子进行子空间学习,帮助算法逃离局部最优,加快收敛速度.在固定评估次数的情况下,对8种经典的测试函数进行仿真实验,相比较经典知名算法如FIPS、HPSO-TVAC、DMS-PSO、CLPSO、APSO等,MSPSO算法不仅在低维和高维仿真实验中,在逃离局部最优、全局收敛速度和收敛精度上,具有绝对的优势.
关键词：粒子群优化算法多种群子空间学习策略高斯随机数
分类号：TP301.6(计算技术、计算机技术)
资助基金：安徽电气工程职业技术学院项目(2015ybxm06)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1768-1772 )
英文信息