基于熵的改进粒子群优化算法  

Improved Particle Swarm Optimization Algorithm Based on Entropy

作　　者：任子晖[1] 王坚[1] 

机构地区：[1]同济大学CIMS研究中心,上海201804

出　　处：《系统工程》2009年第8期106-113,共8页Systems Engineering

基　　金：国家科技支撑计划资助项目(2006BAG01A02;2006BAF01A46);上海市科技发展基金资助项目(08201201905;08DZ1120802;06dz12001)

摘　　要：通过分析粒子群系统中系统熵随粒子位置的变化情况,根据系统熵与粒子搜索能力间的联系,结合最大熵最小熵定理,给出了两种改变系统熵的策略,从而形成了两种新的粒子群优化算法,这两种新的算法在不破坏粒子局部搜索能力的基础上有效地加强了粒子的全局搜索能力。数值实验的结果表明这两种算法对于求解复杂的多峰函数具有很好的性能。Analyzing the transformation of the entropy in PSO system with the position of the particles＇ changing and combining the maximal entropy theorem and the minimal entropy theorem, this paper propose two new Particle Swarm Optimization （PSO） algorithms based on the two strategies for changing the entropy of system according to the relationship between the entropy and the ability of searching. The experiments show that the performances of the two new PSO algorithms are significantly superior to basal PSO algorithm especially to multimodal function.

关 键 词：粒子群优化 系统熵 全局搜索能力 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]