一種動態(tài)權(quán)值自適應(yīng)粒子群優(yōu)化典型函數(shù)問題

楊 巍，毛劍琳，熊 曄

(昆明理工大學(xué) 信息工程與自動化學(xué)院，云南 昆明 650500)

粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法源于鳥群捕食行為的模擬，最早于1995年由Eberhart和Kennedy提出，該算法是典型的群體智能優(yōu)化算法[1-2]，具有設(shè)置參數(shù)較少，關(guān)聯(lián)度較低，操作靈活簡單等優(yōu)點。目前主要應(yīng)用在函數(shù)優(yōu)化問題[3]，結(jié)合模糊系統(tǒng)控制，神經(jīng)網(wǎng)絡(luò)控制在工程領(lǐng)域上已被廣泛應(yīng)用[4-6]。但傳統(tǒng)粒子群算法本身也存在缺陷，當(dāng)變量維數(shù)較多時，目標(biāo)函數(shù)中存在較多局部極值時，PSO算法容易出現(xiàn)提前收斂或陷入局部極值，進(jìn)化后期收斂速度慢、精度低、易早熟等問題。目前解決辦法主要集中在兩個方面：一是算法優(yōu)化改進(jìn)；二是算法研究上。因此，出現(xiàn)了粒子群諸多改進(jìn)辦法[7-12]。改進(jìn)過程中通常結(jié)合其他算法，往往增加PSO算法的復(fù)雜性，并未對算法進(jìn)行實質(zhì)性的改變。在傳統(tǒng)PSO算法的迭代過程中主要是對速度更新和位置進(jìn)行更新。方程涉及慣性環(huán)節(jié)、個體認(rèn)知環(huán)節(jié)和群體認(rèn)知環(huán)節(jié)。三個環(huán)節(jié)共同決定粒子群更新方向，使粒子朝著更好的方向運動。個體認(rèn)知環(huán)節(jié)決定個體最優(yōu)位置，群體認(rèn)知環(huán)節(jié)決定群體最優(yōu)位置，并且與當(dāng)前位置都存有向量差。由于這兩個差的存在，使粒子迭代過程中逐漸趨向群體最優(yōu)解方向。慣性權(quán)值體現(xiàn)的是微粒子繼承上一時刻速度的大小程度。Shi.Y是最早將慣性權(quán)值的理念引入到PSO算法中。分析并指出，更新早期較大的慣性權(quán)值，使算法具有很強全局搜索能力，而更新后期較小的慣性權(quán)值使算法具有很強局部搜索能力，慣性權(quán)值的動態(tài)變化思想是在此基礎(chǔ)上提出的?！?br>