資源描述：
《基于禁忌搜索的混合粒子群優(yōu)化算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、第14卷第4期哈爾濱理工大學(xué)學(xué)報(bào)Vol114No142009年8月JOURNALOFHARBINUNIVERSITYOFSCIENCEANDTECHNOLOGYAug.2009基于禁忌搜索的混合粒子群優(yōu)化算法112滿春濤,王昆,張禮勇(1.哈爾濱理工大學(xué)自動(dòng)化學(xué)院,黑龍江哈爾濱150080;2.哈爾濱理工大學(xué)測(cè)控技術(shù)與通信工程學(xué)院,黑龍江哈爾濱150040)摘要:針對(duì)粒子群優(yōu)化算法(PSO)易于陷入局部最優(yōu)解并存在早熟收斂的問(wèn)題,利用禁忌搜索算法較強(qiáng)的“爬山”能力,搜索時(shí)能夠跳出局部最優(yōu)解,轉(zhuǎn)向解空間的其他區(qū)域的特點(diǎn),
2、提出了一種新的基于禁忌搜索(TS)的混合粒子群優(yōu)化算法(TS-PSO),并選用兩個(gè)函數(shù)進(jìn)行測(cè)試.結(jié)果表明,TS-PSO比其他改進(jìn)粒子群算法更能提高收斂速度,獲得全局最優(yōu)解.關(guān)鍵詞:粒子群優(yōu)化算法;局部最優(yōu)解;禁忌搜索;禁忌粒子群優(yōu)化算法;全局最優(yōu)解中圖分類號(hào):TP183文獻(xiàn)標(biāo)志碼:A文章編號(hào):1007-2683(2009)04-0005-04AHybridParticleSwarmOptimizationAlgorithmBasedonTS112MANChun2tao,WANGKun,ZHANGLi2yong(1.Sc
3、hoolofAutomation,HarbinUniversityofScienceandTechnology,Harbin150080,China;2.SchoolofMeasure2controlTechnologyandCommunicationsEngineering,Harbin150040,China)Abstract:PSOalgorithmwillgetstruckatlocaloptimalsolutioneasilyandexistprematureconvergence.TSalgorithmha
4、sgoodhill2climbingability.Itcanescapefromthelocaloptimalsolutionandturntoothersolutionspace.AhybridPSOalgorithmbasedonTSisproposed.TheexperimentalresultsoftwotestfunctionshaveshownthattheTS2PSOhasfasterconvergencevelocityandbetterglobeoptimalsolution.Keywords:PS
5、Oalgorithm;localoptimalsolution;tabu2search;TS2PSOalgorithm;betterglobeoptimalsolution[2]法.1999年,Clerc通過(guò)對(duì)算法的數(shù)學(xué)研究證明,0引言采用收斂因子能夠確保算法的收斂性.②與其他算法相結(jié)合形成新的粒子群算法.Juang提出將GA與[3]粒子群優(yōu)化算法(ParticleSwarmOptimization)PSO混合,形成一個(gè)新的算法HGAPSO.③提高是一種基于群體的演化算法,是通過(guò)群體內(nèi)粒子間種群多樣性.文[4]中提出了
6、一種基于生物免疫系的合作與競(jìng)爭(zhēng)產(chǎn)生的群體智能指導(dǎo)優(yōu)化策略,最早統(tǒng)的IM-PSO.④提高收斂速度.文[5]中提出,在[1]由Kennedy和Eberhart于1995年提出.由于其原標(biāo)準(zhǔn)粒子群算法中加入減弱速度更新的策略(簡(jiǎn)理十分簡(jiǎn)單,所需參數(shù)也較少,并且易于實(shí)現(xiàn),已經(jīng)RVU)來(lái)加速收斂速度.本文把PSO與局部搜索能被應(yīng)用到很多的領(lǐng)域.為改善PSO算法的收斂性和力較強(qiáng)的TS相結(jié)合,避免了PSO易陷入局部最優(yōu)總體性能,研究者在算法的改進(jìn)方面做了大量工作.解,提高了后期進(jìn)化的收斂速度.主要有以下幾方面:①通過(guò)參數(shù)來(lái)改進(jìn)粒子群
7、算收稿日期:2008-05-26基金項(xiàng)目:黑龍江省自然科學(xué)基金項(xiàng)目(F2007-09)作者簡(jiǎn)介:滿春濤(1965—),男,教授.6哈爾濱理工大學(xué)學(xué)報(bào)第14卷則,并且在搜索過(guò)程中可以接受劣解,所以具有較強(qiáng)1混合禁忌搜索的粒子群算法的“爬山”能力,搜索時(shí)能夠跳出局部最優(yōu)解,轉(zhuǎn)向解空間的其他區(qū)域,從而獲得更好的全局最優(yōu)解的111標(biāo)準(zhǔn)PSO與禁忌搜索算法概率,所以TS是一種局部搜索能力很強(qiáng)的全局迭代粒子群算法起源于對(duì)鳥(niǎo)群和魚(yú)群等群體活動(dòng)的尋優(yōu)算法.研究,是一種模擬自然界生物種群行為特性并應(yīng)用2)新解不是在當(dāng)前解的鄰域中隨機(jī)產(chǎn)生
8、的,而[8]于求解優(yōu)化問(wèn)題的群體智能算法.PSO算法中每個(gè)是優(yōu)于“bestsofar”的解,或是非禁忌的最佳解.粒子即為解空間中的一個(gè)解,它根據(jù)自己的飛行經(jīng)113TS-PSO的思想驗(yàn)和同伴的飛行經(jīng)驗(yàn)來(lái)調(diào)整自己的飛行.每個(gè)粒子在TS-PSO算法中,粒子按一定比例被分為兩在飛行過(guò)程所經(jīng)歷過(guò)的最好位置,就是粒子本身找個(gè)群體swarm1和
