基于自适应多种群的粒子群优化算法

来源：计算机工程与应用杂志2018年第10期北京时间：

作者：曾 辉1，王 倩2，夏学文3，4，方 霞1，5

单位：1.新疆工程学院 计算机工程系，乌鲁木齐 830023；2.新疆师范大学 数学科学学院，乌鲁木齐 830017；3.华东交通大学 软件学院，南昌 330013；4.华东交通大学 智能优化与信息处理研究所，南昌 330013；5.加拿大萨斯卡切温大学 地理与规划系，加拿大 萨斯卡通 SK S7N5C8

摘要：为了平衡算法的探测能力和开采能力，提高粒子群算法在不同类型问题上的综合性能，提出了一种基于自适应多种群的粒子群优化算法（PSO-SMS）。算法包含重组、子群规模调整和探测三个模块。在演化初始阶段，整个种群被划分成许多子种群。重组模块使不同子群间可以共享优势信息，有利于单峰和多峰函数的优化。当种群陷入潜在的局部最优时，探测模块可基于搜索过程的一些历史信息，帮助跳出当前的局部最优。通过子群规模调整，每个子种群的大小随着进化的过程而逐渐增加，有利于提高算法在初始阶段的探测能力和后期的开采能力。通过CEC2013的测试集与其他七种PSO算法的比较表明，PSO-SMS算法在解决不同类型的函数优化问题上有着突出的性能表现。

关键词：粒子群算法,全局优化,自适应,多种群