基于CAS理论的改进PSO算法

来源：计算机工程与应用杂志2017年第5期北京时间：

作者：刘举胜1，何建佳1，2，李鹏飞1

单位：1.上海理工大学 管理学院，上海 200093；2.上海理工大学 超网络研究中心（中国），上海 200093

摘要：针对粒子群优化（PSO）算法易陷入局部最优，发生早熟这一问题，借鉴复杂适应系统（CAS）理论，将混沌和自适应引入到基本PSO中，形成一种双重自适应PSO算法（DAPSO）。该算法在初始化种群时，采用Logisitic方程产生混沌序列；在迭代过程中，通过非线性动态调整策略调整粒子个体学习因子和社会学习因子的大小，采用（0，1）随机均匀分布代替惯性权重递减的方法对[w]进行自适应取值来更新粒子的速度和位移，最终实现算法求解全局最优的目标。最后运用六个高维单模态和多模态Benchmark测试函数对该算法进行仿真，并与PSO，2PSO，KPSO算法进行对比。对比结果表明，该算法在求解全局最优解时，效果明显优于其他粒子群算法，在精确性和寻优效率上较其他算法表现尤为突出。

关键词：复杂适应系统（CAS）理论;双重自适应粒子群优化（DAPSO）算法;Logisitic方程;非线性动态调整策略;（0,1）随机均匀分布