一种动态学习对象的粒子群优化算法  

Particle Swarm Optimization Algorithm with Dynamic Learning Objects

作　　者：曹智方[1] 王国胤[1] 申元霞[1] 

机构地区：[1]重庆邮电大学计算机科学与技术学院,重庆400065

出　　处：《计算机工程》2011年第19期171-173,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(60773113);重庆市杰出青年科学基金资助项目(2008BA2041);重庆市自然科学基金资助重点项目(2008BA2017)

摘　　要：针对粒子群优化算法容易早熟、收敛精度低等问题,基于群体多样性反馈的思想,提出一种动态学习对象的粒子群优化算法。该算法采用群体多样性动态控制粒子的学习对象,减缓群体多样性的丧失速度,有利于群体的全局寻优。对3种典型多峰函数的仿真结果表明,该算法可以有效避免早熟问题,具有较好的全局寻优能力。To overcome the disadvantage of Particle Swarm Optimization（PSO） algorithm such as premature,bad convergence precision,based on feedback of swarm diversity,a PSO algorithm with Dynamic Learning Objects（PSO-DLO） is presented.In the algorithm swarm diversity is used to control the learning objects,the strategy relieves the lost of swarm diversity,which is helpful for the global search.Experiments of three typical multi-modal functions indicate that the algorithm can effectively avoid premature and achieve better global search ability.

关 键 词：粒子群优化 早熟 反馈 群体多样性 多峰函数 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]