基于差异演化的粒子群优化算法  

Particle swarm optimization based on differential evolution

作　　者：郭广寒[1] 王志刚[1] 郝志峰[1] 

机构地区：[1]华南理工大学数学科学学院,广州510640

出　　处：《哈尔滨商业大学学报（自然科学版）》2008年第3期290-292,319,共4页Journal of Harbin University of Commerce：Natural Sciences Edition

基　　金：教育部新世纪优秀人才基金(NCET-05-0734);广东省自然科学基金(04020079)

摘　　要：针对粒子群优化算法由于缺乏种群多样性而导致早熟收敛的不利因素.提出了一种把差异演化算法中的后代产生机制引入粒子群优化算法的更新规则中以保持粒子群的种群多样性和加快收敛速度的算法.这种思想能有效改善摆脱极值点的能力.基于几个高维测试函数的试验结果显示,该算法在收敛速度快和精度方面都优于粒子群优化算法.Considering particle swarm optimization （PSO） being easily trapped in local optima because of the loss of population diversity, an algorithm that DE offspring generation scheme is introduced in the update rules of PSO in order to maintain the population diversity and accelerate the converging speed is proposed in this paper. This strategy can improve the ability of escaping the local optima effectively. Simulation results on a suite of benchmark functions show that the proposed algorithm is superior to original particle swarm optimization algorithm.

关 键 词：粒子群优化算法 差异演化算法 种群多样性 测试 全局连续优化 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]