基于双重更新策略的粒子群算法  

Particle swarm optimization based on double updating strategies

作　　者：宋锦[1,2] 高浩[2] 胡海东[3] 王保云[2] 

机构地区：[1]南京信息职业技术学院通信学院,江苏南京210023 [2]南京邮电大学自动化学院,江苏南京210023 [3]北京控制工程研究所,北京100190

出　　处：《南京邮电大学学报（自然科学版）》2015年第6期84-88,共5页Journal of Nanjing University of Posts and Telecommunications：Natural Science Edition

基　　金：国家自然科学基金(61203196);中国博士后基金(2014M551632);江苏省博士后基金(1402018A)资助项目

摘　　要：粒子群算法由于其简单易实现以及快速寻优的特点引起了研究者的广泛兴趣,但却存在着在搜索过程中无法跳出局部最小点的缺陷。文中提出了一种基于双重更新策略粒子群算法。当群体的聚集度达到设定的条件时,首先在具有较差成绩的个体历史最优解(personal best,pbest)中任意选择一个更新,使它具有在全局范围内进行搜索的能力,同时从获得较好成绩的pbest中选择一个,在它和全局最优位置之间进行局部搜索,从而引导个体向有价值的区域寻优。标准测试函数的仿真结果表明,该算法有效提高了粒子的全局搜索能力,同时提升了算法的局部搜索能力,因此可以应用在实际生产领域。The particle swarm optimization has attracted the interest of researches due to its simplicity and fast convergence rate,but it cannot jump out of the local search space during iterations.,A particle swarm optimization algorithm with a new pbest updating strategy（ PPSO） is presented. When the algorithm achieves the condition of using the novel strategy,firstly,an individual experience of a particle（ pbest）with poor performance is selected to search in the global space,thus it leads particles to find the potential solution in the entire solution space. Then,a pbest with good performance in the population is selected to search in the local space close to the population experience of particles（ gbest）. Simulational results show that the algorithm has the power search ability and fast search ability. Thus,it can solve the real world problems.

关 键 词：粒子群优化算法 全局搜索 个体历史最优 收敛速度 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]