自适应简化粒子群优化算法及其应用

来源：计算机工程与应用杂志2019年第8期北京时间：

作者：张 鑫1，邹德旋1，肖 鹏1，喻 秋2

单位：1.江苏师范大学 电气工程及自动化学院，江苏 徐州 221116；2.江苏师范大学 机电工程学院，江苏 徐州 221116

摘要：针对粒子群优化算法（Particle Swarm Optimization，PSO）寻优速度慢、收敛精度不高且搜索结果波动性较大的缺点，提出了一种自适应简化粒子群优化算法（Self-Adjusted Simplified Particle Swarm Optimization，SASPSO）。在每次迭代过程中，粒子只受全局最优解影响，且加入按一定规律分布的锁定因子，令粒子受影响的程度有规律性。同时，利用锁定因子和当前粒子位置令惯性权重自适应配置，更有效地利用惯性权重对粒子群优化算法的影响。引入4种近期提出的改进粒子群算法同时搜索不同维度时的18个基准函数，与SASPSO的搜索结果对比，并使用T-test进行差异性分析。为了进一步分析算法性能，统计5个改进算法搜索100维函数达到期望值时的成功率与平均迭代次数。实验结果证明，SASPSO在无约束问题寻优中的收敛速度、寻优精度有了明显提升，且搜索结果异常值较少，波动性弱。将SASPSO应用于机床主轴结构参数优化问题，结果显示SASPSO优化性能更好。

关键词：粒子群优化算法,自适应简化粒子群算法,群体智能,基准函数,无约束问题,优化设计,机床主轴