融合差分进化和Sine混沌的改进粒子群算法

来源：计算机工程与应用杂志2024年第19期北京时间：

作者：马乐杰, 邹德旋, 李灿, 邵莹莹, 杨志龙

单位：江苏师范大学 电气工程及自动化学院，江苏 徐州 221116

摘要：将差分进化与Sine混沌相结合，提出一种改进的粒子群算法。利用Sine混沌映射对初始种群进行优化，提高了收敛速度；该算法通过引入非同步变化的学习因子的速度更新公式，引入随机惯性权重，使算法能够更好地兼顾全局搜索与局部优化；借鉴差分进化算法中的交叉操作，采用淘汰机制随机搜索策略， 提高算法的全局搜索能力，提高算法收敛速度。为了验证融合差分进化和Sine混沌的改进粒子群算法（improved particle swarm optimization algorithm, IPSO）的性能，与基于压缩学习因子的粒子群算法（yield-based particle swarm optimization, YPSO）、自适应加权粒子群算法（self-adaptive particle swarm optimization, SPSO）等PSO相关算法以及蜘蛛蜂优化算法（spider wasp optimization, SWO）、能量谷算法（energy valley algorithm, EVA）等2023年最新算法相比较，验证融合差分进化和Sine混沌的改进粒子群算法（IPSO）的有效性。在不同维度下解决12个常用基准函数，对12个测试函数进行实验，并与其他的几种算法进行比较，实验结果表明，改进后的PSO算法收敛速度快，收敛精度高。

关键词：粒子群优化算法,Sine映射,差分进化算法,交叉操作,随机搜索策略