成长性的粒子群算法及其在函数优化中的应用

来源：信息与控制杂志2017年第2期北京时间：

作者：李荣雨, 周志勇

摘要：针对传统粒子群优化（PSO）算法在处理复杂函数优化问题时容易陷入局部最优、迭代后期收敛速度慢的问题，提出一种具有成长特性的粒子群优化算法（GPPSO）.该算法根据人类成长的特性被分为3个阶段：前期阶段，为速度更新公式增加叛逆项，以降低进入早熟收敛的概率；中期阶段，为平衡全局与局部的搜索，通过对粒子群信息的整合，为速度更新公式添加平衡项；后期阶段，在速度更新公式中去除速度项，充分利用前期粒子进化得到的经验进行局部寻优.同时给出成长阶段划分的两个依据.运用典型函数进行测试，实验表明该算法对于提高收敛性能具有明显优势.

关键词：粒子群, 函数优化, 人类成长, 叛逆项, 平衡项, 去除速度项