一种新颖的粒子群算法.pdf

一种新颖的粒子群算法
理学院应用数学与信息计算科学系(数学与应用数学) 柯扬
学号:2002144037
【摘要】粒子群算法(Particle Swarm Optimization, 简记为 PSO)是一类解全局优化问题的群智算法。
其缺陷之一表现在解高维问题时,算法容易陷入局部最优的陷阱。本文通过以下途径对其作出改进:(1)
自适应地调整粒子的最大速度参数,以平衡粒子的全局与局部搜索能力;(2)对每个粒子增置三种不同的
速度,以此增强粒子的多样性。数值实验表明,本文提出新算法的全局优化能力相对于标准的 PSO 算法有
了很大的提高。
【关键词】粒子群算法,全局优化,最大速度
【教师点评】粒子群(PSO)算法是一类基于进化的全局优化方法。但像许多其它的进化算法一样,
PSO 算法同样存在易于“早熟”的缺陷。柯杨同学的论文即在这方面展开工作:通过对 PSO 早熟特性的分
析,提出两类针对速度因素进行改进以缓解早熟的策略,其一是变固定的最大速度为自适应量,其二是根
据各个粒子的适应性,变单一的速度量为可选择的多速度量。论文对有代表性的六个全局优化问题的数值
试验表明,改进的 PSO 算法较原有算法,优化效果有了明显的提高。该论文选题新颖,工作具有一定的创
新性,论文结构严谨,语言流畅。点评教师:李国
A Novel Particle Swarm Optimization
【Abstract】Particle swarm optimization(PSO)is an swarm intelligence algorithm for global optimization
of its limitation is that the algorithms will easily show partial optimization while dealing with high
–dimensional paper makes improvements on the adoption of the following ways:(1)The global and
parts particles search capability is balanced by self adjustment on the maximum speed parameters of
particles.(2)The diversity of particles is enhanced by the acquisition of each particle three different
experiments indicate that the capacity of global optimization to this new algorithm relative to the
standard PSO algorithm has been substantially enhanced.
【Key Words】particle swarm optimization,globle optimization,maximum speed

最优化问题,是指在满足一定的约束条件下,寻找一组参数值,使系统的某些指标达到最大或最小。
用数学符号来表达即是寻找 X * ,使得对∀∈X G ,都有 f ()XfX≤(* )或者 f ()XfX≥(* ),其中
X ∈⊆GRn 。
1
目前的函数优化算法可分为解析确定型优化算法和随机型优化算法。常见的成熟的解析确定型优化算
法多为局部优化方法,如 Newton-Raphson 法、共轭梯度法、Fletcher-Reeves 法等,解析确定型优化算法
在解决全局优化问题中也有许多算法,如填充函数法。但比起局部优化问题的众多成熟方法,还有很大差
距。而且,解析性优化方法对目标函数及约束域均有较强的解析性要求,且无法适应诸如目标函数不连续、
约束域不连通、仿真优化等问题。而随机型优化算法对函数解析性质要求较低甚至不做要求,如近十多年
来人们模拟自然现象发展起来的智能优化算法:模拟退火方法、进化类算法、群体智能算法。虽然这些智
能优化算法比解析确定型优化算法具有更大的优势,但它们的缺点是,算法的计算速度比较慢,并且在算
法的计算过程中涉及到很多参数,这些参数让人难以理解,而且常依赖于使用者的反复试验得出,没有一
般适应性。
粒子群算法(Particle Swarm Optimization,简记为 PSO)是由 Kennedy J