一种基于去个性化理论的粒子群算法  

Particle swarm optimization based on deindividuation theory

作　　者：喻飞[1,2,3] 李元香[1,2] 魏波[1,2] 徐星[4] 

机构地区：[1]武汉大学软件工程国家重点实验室,武汉430072 [2]武汉大学计算机学院,武汉430072 [3]闽南师范大学物理与信息工程学院,福建漳州363000 [4]景德镇陶瓷学院信息工程学院,江西景德镇333000

出　　处：《控制与决策》2013年第10期1520-1524,共5页Control and Decision

基　　金：国家自然科学基金项目(61070009);江西省自然(青年)科学基金项目(20122BAB211036;20122BAB201044);国家科技支撑计划项目(2012BAH25F02)

摘　　要：针对粒子群优化算法(PSO)在求解复杂问题时收敛速度慢、易陷入局部最优等缺点,从社会心理学角度阐述PSO算法,将群体社会学中去个性化效应的社会认同模型(SIDE)引入其中,提出一种基于去个性化理论的粒子群算法(DTPSO).该算法通过个体粒子融入群体中表现出来的去个性化行为(个性与趋同的平衡)维持群体粒子的多样性和有效性.仿真实验表明,DTPSO算法收敛速度快、收敛精度高、稳定性好.When resolving complex problems, the particle swarm optimization（PSO） has some disadvantages of slow convergence rate and easiness to fall into local optimal solution, Therefore, a particle swarm optimization with the deindividuation theory（DTPSO） is proposed. Based on the social identity model of deindividuation effects, the diversity and effectiveness of population can be maintained through the deindividuation acts, the balance between individuality and convergence） of individual particles during their evolution process. The results of simulation experiment show that the DTPSO possesses higher convergence rate and convergence precision, as well as better stability.

关 键 词：粒子群算法 去个性化 群体智能 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]