多策略并行学习的异构粒子群优化算法

来源：计算机应用杂志2015年第11期北京时间：

作者：王芸, 孙辉

单位：1. 南昌工程学院 信息工程学院, 南昌 330099;2. 南昌工程学院 协同感知与先进计算技术研究所, 南昌 330099;3. 江西省水信息协同感知与智能处理重点实验室, 南昌 330099

摘要：针对标准粒子群优化(PSO)算法在复杂问题上收敛速度慢和早熟收敛的缺点,提出了一种多策略并行学习的异构PSO算法(MHPSO).该算法首先从种群多样性和跳出局部极值的角度提出了两种新学习策略(局部扰动学习策略和高斯子空间学习策略),并将这两种策略与MBB-PSO策略融合组成高效稳定的策略池.其次提出了一种简单有效的策略更换机制,指导粒子迭代寻优中何时更换学习策略.基准测试函数的实验结果表明,改进的粒子群优化算法在求解精度和收敛速度上得到极大的提高.与一些改进PSO算法(如自适应的粒子群优化(APSO)算法等)相比,所提算法具有更优良的寻优性能.

关键词：粒子群优化算法,局部扰动学习策略,高斯子空间学习策略,策略池,策略更换

基金资助：国家自然科学基金资助项目(61261039,61305150);教育部人文社科青年基金交叉项目(13YJCZH174);江西省教育厅落地计划项目(KJLD13096);江西省科技厅自然科学基金资助项目(20122BAB201043,20151BAB207067,20151BAB207032).