控制与决策

作者：唐可心,梁晓磊,周文峰,马千慧,张煜

单位：武汉科技大学 汽车与交通工程学院,武汉 430065,,武汉科技大学 汽车与交通工程学院,武汉 430065,,武汉科技大学 汽车与交通工程学院,武汉 430065,,武汉科技大学 汽车与交通工程学院,武汉 430065,,武汉理工大学 物流工程学院,武汉 430063,

关键词：粒子群算法;重构粒子;反向学习;极值扰动;概率选择

基金：国家自然科学基金项目(61603280,71874132).

为解决粒子群优化算法中种群多样性与收敛性间的矛盾,提出一种具有重组学习和混合变异的动态多种群粒子群优化算法.该算法动态划分多种群并融入重构粒子作为引导因子,在增加种群多样性的同时保留优秀粒子的空间信息;在算法执行阶段对最优个体施加混合变异,基于时变概率实施反向学习策略或者邻域扰动操作,帮助粒子快速跳出局部困境,加强对附近区域内的精细搜索.基于14个多类型标准测试函数,并与其他的改进粒子群算法进行对比,验证了几种改进措施的有效性和叠加影响.为进一步探究概率性混合变异策略的敏感性,对变异方式及参数设置进行仿真实验,结果表明,所采用的极值扰动策略具有显著的优势,合理地控制学习强度可以充分发挥反向学习的作用,并给出影响参数的建议取值范围.实验结果还表明,所提出的算法能够更好地平衡种群的开发与勘探能力,提高求解精度和收敛性能.

来源：2021年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第12期