一种自适应调整的混合粒子群优化算法

胡堂清 校云鹏 刘彬 党永政

空军勤务学院，江苏徐州，221116；

摘要：为改善粒子群优化算法在运行过程中出现的早熟收敛、容易陷入局部最优解等缺陷，文中提出一种自适应惯性权重的粒子群算法，通过粒子适应度对惯性权重进行自适应调整，采用s型函数，实现对惯性权重的非线性调整，平衡算法的全局搜索与局部能力；引入差分进化算法中的交叉和变异操作，以保证种群的多样性，使粒子更快的收敛到全局最优。实验结果表明，与SAPSO、IPSO和LPSO算法相比较，改进后的算法无论是在收敛速度还是收敛精度上都明显提高。

关键词：粒子群算法；惯性权重；自适应；差分进化

参考文献

[1]刘建华.粒子群算法的基本理论及其改进研究[D].长沙：中南大学，2009：15-16.

[2]黄洋，鲁海燕，许凯波等.一种动态调整惯性权重的简化均值粒子群优化算法[J].小型微型计算机系统，2018,39(12):2590-2595.

[3]Kennedy J，Eberhart R C. Particle swarm optimization[C].Proceedings of the 1995 IEEE International Conference on Neural Networks,1995:1942-1948.

[4]Shi Y H，Eberhart R C. A modified particle swarm optimizer[C].Proceedings of IEEE Congress on Eveolutionary Computation,1998:69-73.

[5]Hu M，Wu T F，Weir J D.An adaptive particle swarm optimization with multiple adaptive methods[J].IEEE Transactions on Evolutionary Computation,2013,17(5):705-720.

[6]黄延林，戴雪峰，张卉等.改进PSO算法在多水源供水系统优化调度中的应用[J].中国给水排水，2013,29(23):65-66.

[7]赵志刚，林玉娇，尹兆远.基于自适应惯性权重的均值粒子群优化算法[J].计算机工程与科学，2016,38(3):501-506.

[8]Krink T，Vesterstorm J S，Right J.Particle swarm optimization with spatial particle extension[C].Proceedings of the IEEE International 1st Conference on Evolutionary Computation.Honolulu:IEEE Inc,2002:1474-1497.

[9]Xie X F,Zhang W J,Yang Z L.A dissipative particle swarm optimization[C].Proceedings of the IEEE International Conference on Evolutionary Computation.Honolulu,IEEE Inc,2002:1456-1461.

[10]张鑫，邹德旋，肖鹏等.自适应简化粒子群优化算法及其应用[J].计算机工程与应用，2019,55(8):250-251.