基于精英知识引导的多种群协作粒子群优化算法
张伟
张润雨
河南理工大学 电气工程与自动化学院,河南 焦作 454000
摘要：目的 为了解决粒子群优化(particle swarm optimization,PSO)算法易早熟收敛、后期收敛速度慢、精度低等问题,方法 提出一种基于精英知识引导的多种群协作粒子群优化算法(multi-group cooperation particle swarm optimization algorithm,MGCPSO).首先,采用基于幂函数约束的logistic映射得到分布均匀的初始种群,加快寻优速度并提高找到最优解的概率;其次,在算法执行阶段动态划分多种群,并利用精英知识引导劣势粒子飞行,实现粒子间的信息共享和协同进化,降低粒子在解空间探索的盲目性;最后,综合融入精英知识的反向学习和极值扰动策略对粒子施加变异,帮助粒子扩大搜索区域并加强对最优邻域的精细探索.结果 为验证MGCPSO的性能,在30维和100维的基准测试函数上进行了仿真实验研究,结果表明,相比于其他几种改进算法,提出的算法在收敛速度和收敛精度上均有良好表现.结论 多种群协作粒子群优化可以有效避免算法早熟收敛和陷入局部最优,同时可以提高算法的全局搜索能力和局部开发能力.
关键词：粒子群优化算法Logistic映射多种群精英知识反向学习极值扰动
分类号：TP301(计算技术、计算机技术)
资助基金：国家自然科学基金(61703145)河南省科技攻关项目(222102210213)
论文发表日期：2024-12-28
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：13( 116-128 )
英文信息