控制与决策

作者：张伟,魏万峰,黄卫民

单位：河南理工大学 电气工程与自动化学院,河南 焦作 454003,,河南理工大学 电气工程与自动化学院,河南 焦作 454003,,河南理工大学 电气工程与自动化学院,河南 焦作 454003,

关键词：粒子群优化算法;竞争群优化算法;高维优化;3重竞争机制;局部开发;收敛性分析

基金：国家自然科学基金项目(61703145)；河南省科技攻关项目(222102210213)；河南省高校科技创新团队项目(20IRTSTHN019).

为提高竞争群优化(competitive swarm optimization, CSO)算法求解高维优化问题的寻优效率,提出一种改进的3重竞争群优化(improved triple competitive swarm optimization, ITCSO)算法.首先,采用3重竞争机制提高算法的寻优效率,同时,获胜粒子较好的收敛基础可以提高失败粒子的个体认知,明确粒子更新方向以提高粒子探索能力;然后,提出优败粒子向获胜子群学习的策略,增强算法的社会认知能力,减少算法评估次数,从而提高算法全局搜索能力;最后,提出获胜子群自竞争和劣败粒子基于获胜者变异的操作,增强粒子局部开发能力,避免算法陷入局部最优.为验证所提出算法的可行性,通过计算系统状态转移矩阵特征值和使用极限分析方法,给出稳定性和收敛性理论证明.采用几种基准测试函数验证所提出算法求解高维问题时的性能,并与其他算法进行对比.实验结果表明,ITCSO算法不仅有较高的寻优效率,且全局搜索和局部开发能力突出,更适用于高维问题的求解.

来源：2024年第2期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第2期