基于种群年龄模型的动态粒子数微粒群优化算法.pdf

万方数据
基于种群年龄模型的动态粒子数微粒群优化算法江善和·,一,纪志成·,张日东蜓尴迹系统工程理论与实践摘要针对微粒群优化算法的早熟停滞缺陷问题,提出了一种基于种群年龄模型的动态粒子数微群环境和个体信息有效地控制种群的粒子数规模;设计了较优粒子的生殖策略和较差粒子的死亡策略,增加群体的多样性和减少冗余计算量,,仿真测试结果表明,新算法具有较高的全局搜索成功率和效率,计算量显著降低,优化精度显著提高,;早熟停滞;种群年龄模型;动态粒子数计算技术渌枷朐从谀袢翰妒承形5幕疃媛桑ü秩杭涓鎏宓南嗷ゾ赫骼词迪侄晕侍庾钣沤獾值等复杂优化问题的有效技术,并广泛用于科学和工程问题,如多目标优化、神经网络、图像处理、,无锡;:将每个粒子划分为不同的年龄段,⒆宰橹裕殉晌=饩龃罅糠窍咝浴⒉豢晌⒑投喾资助项目:国家自然科学基金;教育部博士点基金;安徽高校省级自然科学重点项目第卷第期年月文章编号:———中图分类号:文献标志码:贾莸缱涌萍即笱畔⒂肟刂蒲г海贾,收稿日期:—作者简介:江善和,男,安徽安庆人,副教授,博士研究生,从事模糊神经网络理论、建模与控制、智能优化算法研究;纪志成,男,浙江宁波人,教授,博士生导师,从事电力电子与电气传动、复杂非线性系统控制、智能控制技术及其应用.—,猚琙—琒畑.,甋籶籨琋,,.,..琹瑆,,瓼,甌;珹珹琀琣
万方数据
谥秩耗炅淠P偷亩W邮⒘H河呕惴计、电力系统、化工系统、机器人等众多领域∽目前,惴ㄈ悦媪僮沤笃谑樟参榷ㄐ圆睢⑹樟菜俣嚷⒍嘌陨ナА⒁紫萑刖植康仍缡焱V腿陷,,国内外学者提出了多种改进的解决方案】,但从中发现其改进方法都是基于种群粒子数固定不变的情况下所采取的优化策略和参数的改进,这与实际的生物进化过程不相符,在人类或其他生物进化的过程中,种群规模的发展是有其一定规律的,,群体规模的规律变化对群体收敛性能有着重要的影响,过大的种群规模会增加算法的时间和空间复杂度,减缓进化过程;,自适应种群规模的研究制种群的粒子数量和多样性,与以往基于固定种群规模的改进算法相比,能更有效地提高种群收敛效率和全局搜索能力,从而有效解决“早熟”,,其核心思想是根据优化特性设计了适应不同性能的粒子数变化函数,包含粒子数衰减趋势项和周期振荡项,使得粒子随机地产生或消灭,以保证在收敛过程中逐渐减少探索性能差的冗余粒子以提高计算速度,在陷入局部时逐渐增加函数,算法不能根据搜索情况作出自适应调整,在种群未出现“早熟”的情况下,粒子数的硬性增加会为算法增加无谓的计算量;而在种群已经出现“早熟”的情况下,,受生物演化规律中的生物种群规模应是依据生物