改进的粒子群优化算法的研究

马洁荣1，任淑萍2

【摘要】针对粒子群优化（PSO）算法易于陷入局部最优、早熟而造成求解成功率不高的问题，笔者在现有粒子群优化算法的基础上，提出了一种具有快速收敛的改进算法——瑞利分布的粒子群优化（RPSO）算法，利用RPSO算法对经典函数优化问题进行性能测试，并对比了RPSO算法与标准粒子群优化（PSO）算法和高斯分布的粒子群优化（GPSO）算法，仿真结果表明，RPSO 算法的收敛速度和计算精度都优于其他两种算法，RPSO算法提高了运算效率，有效地避免了早熟现象的发生，并在迭代后期能更精确地找到测试函数极值点。【期刊名称】科技创新与生产力

【年(卷),期】2017(000)009

【总页数】4

【关键词】算法；优化算法；粒子群；RPSO；瑞利分布

1995年，EBERHART和KENNEDY博士提出了基于自然界生物群体行为构造的随机优化算法，即粒子群智能算法（Swarm Intelligence Algorithm），也称为粒子群优化（Particle Swarm Optimization，PSO）算法，这种新算法是一种并行算法。该算法的基本思想是模拟鸟、鱼群在觅食过程中的移动和聚集行为，并结合了生物学家HEPPNER Frank提出的生物群体模型。基于群体智能随机优化技术的基础，PSO算法通过个体间合作找寻其最优解，并利用了生物类群中共享消息的思想。由于没有复杂观念、容易实现、精确度高、收敛快，加之人工智能技术发展环境的深刻变革，该算法已被学术界广泛关注，既有益于科学的探索，又适于工程的实践，并且在解决实际问题时具有很强的优越性。