基于局部搜索的反向学习竞争粒子群优化算法

作者：钱晓宇; 方伟^*

来源：控制与决策, 2021, 36(04): 779-789.

DOI：10.13195/j.kzyjc.2019.1150

• 粒子群优化算法
• 反向学习
• 大规模优化问题
• 竞争学习
• 局部搜索
• 高维优化

为提升粒子群优化算法在复杂优化问题,特别是高维优化问题上的优化性能,提出一种基于Solis&Wets局部搜索的反向学习竞争粒子群优化算法(solis and wets-opposition based learning competitive particle swarm optimizer with local search, SW-OBLCSO). SW-OBLCSO算法采用竞争学习和反向学习两种学习机制,并设计了基于个体的局部搜索算子.利用10个常用基准测试函数和12个带有偏移旋转的复杂测试函数,在不同维度情况下将SW-OBLCSO算法与多种优化算法进行对比.实验结果表明,所提出算法在收敛速度和全局搜索能力上表现出突出的性能.对模糊认知图(fuzzy cognitive maps)学习问题的测试表明, SW-OBLCSO算法在处理实际问题时同样具有出色的性能.

• 单位
  江南大学