具备自纠正和逐维学习能力的粒子群算法

作者：张津源; 张军^*; 季伟东^*; 孙小晴; 张珑

来源：小型微型计算机系统, 2021, 42(05): 919-926.

• 粒子群算法
• 自纠正
• 逐维
• 收敛精度

粒子群算法作为一种随机算法,其随机性对种群的进化速度和寻优精度提出了严峻的挑战.针对该问题,本文提出了一种具备自纠正和逐维学习能力的粒子群算法.首先提出了一种纠正策略来判断粒子进化趋势的正确性并作出必要干预,减少了随机性所带来的学习时间的浪费;其次,在使用逐维变异策略的基础上利用个体最优作为最优粒子的学习对象,加强个体最优与群体最优之间的联系,赋予粒子更多的有效信息来源;最后,结合两策略的特点,周期性地控制其触发时间,进而降低复杂度使得算法发挥更大的效能.实验结果表明,改进策略能够有效地提高PSO算法收敛速度和收敛精度.同其他改进的PSO算法对比结果表明,在高维和低维函数上都更具有竞争优势.

• 单位
  哈尔滨师范大学; 天津师范大学