基于竞争学习的粒子群优化算法设计及应用

来源：计算机测量与控制杂志2021年第8期北京时间：

作者：张钰,王蕾,周 红 标,赵 环 宇

摘要：针对传统PSO算法容易陷入局部最优的问题，提出一种基于竞争学习的粒子群优化算法(competitive learning-based PSO, CLPSO)。在CLPSO中，首先通过动态计算粒子的适应度值将种群分成优选、合理和疏离三个子群；其次，根据三个子群中粒子的进化特性，为三个子群分别设计了不同的更新变异方式。然后，利用12个基准测试函数对算法的性能进行了验证。实验结果表明，所提的竞争学习策略能够有效克服经典PSO算法在处理复杂多峰问题时容易陷入局部最优的缺陷。最后，利用CLPSO算法优化模糊神经网络的参数设计CLPSO-FNN算法，并利用其建立出水氨氮软测量模型，实验表明，CLPSO-FNN软测量模型能够更精确更实时地测量出水氨氮浓度。

关键词：粒子群优化;多峰问题;竞争学习;模糊神经网络;出水氨氮

基金资助：国家自然科学基金(61873107)；