基于混沌思想模糊自适应参数策略的粒子群优化算法  

PSO algorithm of chaos-based fuzzy adaptive parameter strategy

作　　者：孙勇[1] 章卫国[1] 章萌[1] 尹伟[1] 

机构地区：[1]西北工业大学自动化学院,西安710072

出　　处：《计算机应用研究》2010年第1期39-41,44,共4页Application Research of Computers

基　　金：航空基金资助项目(20080553018)

摘　　要：粒子群优化算法是一种进化计算技术。提出一种基于混沌思想的模糊自适应参数策略的粒子群优化算法,它利用模糊策略较强的适应能力及混沌运动遍历性、随机性等特点,对标准粒子群优化算法进行了改进,并证明了算法的收敛性。对几种典型测试函数的测试结果表明,模糊自适应参数策略的引入,有效提高了算法收敛的速度,且混沌思想改善了对多维空间的全局搜索能力,能有效避免早熟现象。Particle swarm optimization algorithm is a evolutionary computation. This paper introduced a PSO algorithm of chaos-based fuzzy adaptive parameter strategy which utilized greatly self-adapted ability of fuzzy strategy and ergodicity and randomicity of chaos to improve the original PSO algorithm, and proved the convergence of the algorithm. Typical test function case studies show that the fuzzy adaptive parameter strategy is introduced to effectively improve convergence speed of algorithm and chaos is applied to enhance global searching ability of multi-dimension to avoid prematurity.

关 键 词：粒子群优化算法 混沌 模糊自适应 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]