一种带交叉因子的双向寻优粒子群优化算法

摘要：

【摘要】针对传统粒子群算法易早熟、精度低、后期收敛速度慢等问题,结合反向学习理论,提出了一种基于交叉因子的双向寻优粒子群优化算法(CBMPSO)。该算法使初始种群在搜索区域均匀分布,计算粒子及其反向粒子的适应值,取最优作为初始种群;迭代过程增加对全局最差粒子的跟踪,随机开启基于交叉因子的双向学习机制。对几种典型函数的测试结果表明,CBMPSO算法的寻优能力及收敛速度有了显著提高,并且能够有效避免早熟收敛问题。
【关键词】粒子群优化；双向学习机制；交叉因子；早熟收敛；
【基金】国家自然科学基金资助项目(61070087);广东省教育部产学研结合项目(2009B090300355);深圳大学校级科研项目(4LGB)

引言：

【引言】粒子群优化算法由于原理简单、可调参数少、易于实现等优点，迅速得到了广泛的应用。但是粒子群算法同时也存在易早熟、后期收敛速度慢等缺点。为了克服这一缺点，人们提出许多改进的算法。典型的改进算法可以分为以下两类: a) 在基本粒子群算法中引入惯性权重参数ω，并令其线性递减或自适应变化，有效平衡了全局搜索和局部搜索，这类改进方法能够提高收敛速度和收敛精度，但是无法克服早熟问题; b)采用多算法融合，如采用混沌搜索进行局部优化等，这类算法综合了多种算法的优点，对改进算法的性能有较好的效果，但是仍然不能克服粒子群算法的早熟和多样性下降过快的问题。

作者：

温雅；李国；徐晨

作者单位：

深圳大学数学与计算科学学院智能计算科学研究所；