文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > IT/计算机 > 基于收缩因子的改进粒子群算法
侵权投诉

基于收缩因子的改进粒子群算法

针对基本粒子群优化算法存在的早熟收敛问题,提出了一种既保持粒子活性又保证粒子快速收敛于全局极值点的改进粒子群优化算法。如果种群多样性逐步减小,直至超出下限时,种群不再向整体最优位置靠近,而是纷纷远离该最优位置,而当种群多样性逐步增大,直至超出上限时,种群又开始向整体最优位置靠拢,从而保持了粒子的多样性。同时,该方法通过正确选择惯性权重系数与加速常数即学习因子这些控制参数的值的方法,确保算法收敛。

(2.1)

Xij(t 1) Xij(t) Vij(t 1) (2.2)

其中:下标“j”表示粒子的第j维,“i”表示粒子i,t表示第t代,C1、C2为加速常数,通常在0~2间取值,r1 ∪(0,1),r2 ∪(0,

1)为两个相互独立的随机函数。

从上述粒子进化方程可以看出,C1调节粒子飞向自身最好位置方向的步长,C2调节粒子向全局最好位置飞行的步长。为了减少在进化过程中,粒子离开搜索空间的可能性,Vij通常限定于一定范围内,即Vij∈[-Vmax,Vmax]。如果问题的搜索空间限定在[-Xmax,Xmax]内,则可设定Vmax=k〃Xmax,0.1≦k≦1.0。

基本粒子群算法的初始化过程为:

1)设定群体规模N;

2)对任意i,j在[-Xmax,Xmax]内服从均匀分布产生Xij;

3)对任意i,j在[-Vmax,Vmax]内服从均匀分布产生Vij;

4)对任意i,设yi xi。

算法流程如下:

(1)依照初始化过程,对微利群的随机位置和速度进行初始化设定;

(2)计算每个粒子的适应值;

(3)对于每个粒子,将其适应值与所经历过的最好位置Pi的适应值进行比较,若较好,则将其作为当前的最好位置;

(4)对于每个粒子,将其适应值与全局所经历的最好位置Pg的适应值进行比较,若较好,则将其作为当前的全局最好位置;

(5)根据粒子群的进化方程对粒子的速度和位置进行进化;

(6)如未达到结束条件通常为足够好的适应值或达到一个预设最大代数,则返回步骤(2)。

2 基于收缩因子的改进粒子群算法

为了避免粒子群算法所存在的过早收敛问题及使粒子快速收敛于全局最优解,本文引入了收缩因子与“吸引”和“扩散”两个算子使粒子群保持了多样性并具有更好的收敛率。该算法的速度进化方程为:

上一页第3页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email