基于模拟退火的改进粒子群算法研究  

RESEARCH OF PARTICLE SWARM OPTIMIZER BASED ON SIMULATED ANNEALING

作　　者：刘衍民[1] 赵庆祯[2] 

机构地区：[1]遵义师范学院数学系,贵州遵义563002 [2]山东师范大学管理科学与工程学院,济南250014

出　　处：《山东师范大学学报（自然科学版）》2011年第2期9-12,共4页Journal of Shandong Normal University(Natural Science)

基　　金：山东省科技攻关项目（2009GG10001008）;贵州省教育厅社科项目（200701）.

摘　　要：为克服粒子群算法在求解复杂的多峰问题时极易陷入局部最优解的缺陷，作者提出一种基于模拟退火的改进粒子群算法（PSOBSA）．在PSOBSA算法中，每间隔若干代，对粒子的历史最优位置进行变异操作，以产生新的粒子；并采用模拟退火的思想，允许新产生的粒子的目标函数值在有限范围内变化；最后采用一种广义的学习策略提升种群收敛的概率．在基准函数的测试中，结果显示PSOBSA算法比基本PSO算法有更好的性能．In order to conquer the default of premature problem using PSO, an improved PSO based on simulated convergence when solving the complicted multimodal annealing （PSOBSA for short）is proposed. In PSOBSA,at each interval several iterations, the mutation operation is used to generate the new particel for personal best particl （pbest）. And the idea of simulated annealing is adopted to permit the change of the objective value for limited range. Finally, a comprehensive learning strategy functions test, PSOBSA achieves better solutions is adopted to improve the probability of convergence. In benchmark than other PSOs.

关 键 词：模拟退火 优化 粒子群算法 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]