基于最佳粒子共享和分层搜索的并行粒子群优化算法  

A parallel particle swarm optimization algorithm based on best particle-shared and layered search

作　　者：丁鑫鑫[1] 唐常杰[1] 曾涛[1] 张培颂[1] 徐开阔[1] 刘齐宏[1] 

机构地区：[1]四川大学计算机学院,成都610065

出　　处：《四川大学学报（自然科学版）》2008年第4期799-803,共5页Journal of Sichuan University(Natural Science Edition)

基　　金：国家自然科学基金(60473071)

摘　　要：为提高粒子群优化算法在优化问题中的效率,本文提出了并行粒子群优化算法(BLP-SO).基本思想是并行机制+最佳粒子共享+分层搜索.主要工作包括(1)信息共享机制中引入了区域学习,使粒子更新能参考其他粒子的信息;(2)提出了粒子群两层划分模型,底层利于扩大搜索范围,上层利于全局精细搜索;(3)证明了关于粒子群和并行粒子群收敛性定理;(4)在4个基准函数上的优化实验表明,新方法比经典的IPPSO并行粒子群算法在解的精度上提高了51.93%到96.10%.To improve the efficiency of Particle Swarm Optimization, this paper proposes a novel Parallel Particle Swarm Optimization algorithm（BLPSO）. The basic idea is parallel mechanism and best particle-shared and layered search. The main contributions include, （1） Introduces Region study strategies to enable particle interaction. （2）Proposes two layers partition of particles, the lower and topper work well for global and local search respectively. （3） proves convergence properties of PSO and BLPSO. （4） By experiments on four benchmark functions, shows that, the new algorithm increases precision by 51.93 % --96.10 % compared with traditional IPPSO.

关 键 词：并行粒子群算法 最佳粒子共享 分层搜索 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]