最优粒子增强探索粒子群算法

来源：计算机工程与应用杂志2017年第4期北京时间：

作者：唐祎玲，江顺亮，叶发茂，许庆勇，葛 芸，徐少平

单位：南昌大学 信息工程学院，南昌 330031

摘要：针对粒子群优化算法（Particle Swarm Optimization，PSO）存在收敛速度慢、寻优精度低和早熟收敛的问题，提出一种最优粒子增强探索粒子群算法（Optimal particle Enhanced Exploration Particle Swarm Optimization，OEEPSO）。OEEPSO将最优粒子在空间中的位置信息以二维一组划分，按4种方式计算每二维的适应值，选择适应值最小的方式更新对应维度的速度值和位置值。该策略加强了对最优粒子周围区域的探索，使粒子群能更快地向全局最优解靠近，提高了算法的收敛速度和求解精度。当算法陷入局部最优时，根据群体历史最优解的适应值，动态调整各粒子的速度值和位置值，使算法最终收敛到全局最优解。实验结果表明，OEEPSO具有收敛速度快、求解精度高的特点。

关键词：粒子群算法,最优粒子,增强探索,维度划分,适应值