微粒群算法

ｗｏ ｋ ｎ ｔ ｅ ｄ ｍａ ｎ ｏ ｒ ｄ ｃ ｉ ｎ ｓ ｈ ｄ ｌ ｇ ｐ ｏ ｌ ｍｓ ａ ｅ ｉ ｔ ｏ ｕ ｅ ．Ｆｉ ａ ｌ ｒ ｓ ｉ ｈ ｏ ｉ ｆｐ ｏ ｕ ｔ ｃ ｅ ｕ ｉ ｒ ｂ ｅ ｒ ｎ ｒ ｄ ｃ ｄ ｏ ｎ ｎｌ ｙ，ｆ ｒｈ ｒｒ ｓ ａ ｃ ｕ ｔ ｅ ｅ ｅ ｒｈ
Ｔｈｅ ｓ ａ ｅ ｏ ｒ ｎ ｐａ ｔｃ ｅ ｓ ｒ ｏ ｉ ｉａ ｉ ｎ ａ ｇ ｒ ｔ ｔ ｔ ｆａ ｔｉ ｒ ｉ ｌ ｗａ ｍ ｐｔｍ ｚ ｔｏ ｌ ｏ ｉｈｍｓ
Ｗ Ａ Ｎ Ｇ ａ －ｉ ｎ Ｗ ｎ ｌａ ｇ，Ｔ Ａ Ｎ Ｇ ｕ Ｙ
（ ｌｅ ｅｏ ｎ ｏ ｍａｉｎ Ｅｎ ｉ ｅ ｉｇ，Ｚｈ ｊａ ｇ Ｕ ｎｖ ｒｉｙ ｏ ｃ ｏｏ ｙ，Ｈａ ｇｚ ｏ １ ３ Ｃｏｌｇ ｆＩ ｆ ｒ ｔｏ ｇｎｅｒｎ ｅｉｎ ｉｅ ｓｔ ｆＴｅ ｈｎ ｌｇ ｎ ｈ ｕ ３ ００ ２，Ｃｈ ｎ ） ｉａ
ｎ ｌ ｏ ｉ ｍ ．Ｔｈ ｓ ｐ ｐ ｒ ｓ ｓ ｅ ｔｃ ｌ ｎ ｒ ｄ ｃ ｓ ａ ｄ ａ ａ ｙ ｅ ｈ ａ ｋ ｒ ｕ ｄ，ｔ ｅ ｐ ｉ ｃｐ ｅ ｙ ａ ｇ ｒｔ ｈ ｉ ａ ｅ ｙ ｔ ｍａ ｉａ ｌ ｉ ｔ ｏ ｕ ｅ ｎ ｎ ｌ ｚ ｓ ｔ ｅ ｂ ｃ ｇ ｏ ｎ ｙ ｈ ｒｎ ｉ ｌ ，
ｉｓ ｅ ｎ ｏ ｕ ｅ ｔｏｎ ｎ ｆ ｔ ｅ ａ ｅ ｄ ｓ ｕｓ ｅ ｓ ｕ ｓ ａ ｄ ｓ ｍｅ ｓ ｇｇ ｓ ｉ ｓ ｉ ｕ ｕｒ ｒ ｉ ｃ ｓ ｄ．
Ｋｅ ｒ ：ｓ ｒ ｉ ｅ ｌｇ ｎ ｅ ｙ ｗｏ ｄｓ ｗａ ｍ ｎｔ ｌｉ ｅ ｃ ；ｐａ ｔｃ ｅ ｓ ｒ ｏ ｉ ｉａ ｉ ｎ （ ｒｉ ｌ ｗａ ｍ ｐｔｍ ｚ ｔｏ ＰＳＯ）；ｐｒ ｄｕ ｔｏｎ ｓ ｈｅ ｕｌｎ ｏ ｃｉ ｃ ｄ ｉｇ

多种群协同进化的微粒群算法
王 元元 ， 曾建 潮 ， 谭 瑛
（ 太原科 技 大 学 系统 仿真 与 计算机 应 用研 究 所 ， 山西 太原 ００２） ３０４
摘 要 ： 对标 准微粒 群算法分 析 的基 础上 ， 出 了一种 多种群协 同进化 的微粒 群算 法。它将整 个种群 分解 为多个子种群 ， 在 提
维普资讯
第 ２ 卷 第 １ 期 ８ ５
Ｖｏ ． ８ 计
Ｃｏ ｕｅ ｇ ｎ ｅｉｇ ａ ｄＤｅｉｎ ｍｐ ｔｒＥｎ ｉ ｅ ｒｎ ｎ ｓｇ
２０ 年 ８ ０７ 月
Ａｕ ｇ．２ ０ ０ ７
（ ｓｔｔｏ ｓ ｍ Ｓｍｕａ ｏ ｄ ｏ ｕｅ ｐ ｌａｉ ，Ｔ ｉｕｎＵ ｉ ｒ ｔ ｏ ｉ ｃ ｄＴｃ ｎ ｌ ｙ Ｉ ｔｕｅ ｆ ｙｔ ｉ ｌ ｉ ａ ｍｐ ｔ Ａ ｐｉ ｔ ｎ ａ ａ ｎｖ ｓｙ ｆ ｃ ｎｅ ｎ ｅｈ ｏｏ ， ｎｉ Ｓ ｅ ｔｎ ｎ Ｃ ｒ ｃ ｏ ｙ ｅ ｉ Ｓ ｅ ａ ｇ Ｔｉｕｎ０ ０ ２ ，Ｃ ｉａ ａ ａ ３ ０ ４ ｈｎ） ｙ
ｏ ｅａ ａｙ ｉ ｆ ｅｓａ ｄ ｒ Ｓ ｎ ｔ ｎ ｌ ｓｓｏ ｔ ｎ ａ ｄ Ｐ Ｏ． Ｔ ｅｗｈ ｌ ｒ ｕ ｓ ｉ ｉ ｅ ｔ ｅ ｅ ａ ｕ — ｒ ｕ ｓ Ｅ ｅｙ ｓ ｂ ｏ ｐ ｅ ｏ ｖ ｄ ｉ ｄ ｐ ｎ ｅ ｔ ｄ ｈ ｈ ｔ ｈ ｏ ｅ ｇ ｏ ｐ ｉ ｄ ｖ ｄ ｄ ｉ ｏ ｓ ｖ ｒ ｌ ｂ ｇ ｏ ｐ ． ｖ ｒ ｕ ｇ ｕ ｖ ｌ ｅ ｅ ｅ ｄ ｎ ｌ ａ ｎ ｓ ｒ ｎ ｙｎ ｕ ｄ ｔｄ ｓ ａ ｉ ｇ ｉ ｆ ｒ ｔ ｎｐ ｒ ｄ ｃ ｌ ．Ｔ ｉ ｅ ｅ ｔ ｐ ａ ｉ ｇｓｒ ｔｇ ｅ ｒ ｄ ｐ ｅ ｎ ｅｔ ｔ ｏ ｓａ ｅａ ａｙ ｅ ｅａ ｌ Ｔ ｅ ｐ ａｅ ｈ ｒｎ ｏ ｍａ ｉ ｅ ｏ ｉ ａｌ ｎ ｏ ｉ ｙ ｗｏｄ ｆ ｒ ｎ ｄ ｔ ｔ ｅ ｉ ｓ ｅａ ｏ ｔｄ ａ ｄ ｔ ｕ ｎ ａ ａ ｈ ｗｏｍｅ ｄ ｒ ｌ ｚ ｄ ｉ ｄ ｔｉ． ｈ ｈ ｎ ｎ ｅ ｐ ｒ ｅ ｔｌ ｅ ｕ ｔ ｈ ｗ ａ ｅｐ ｏ ｅ ｌ ｏ ｘ ｅ ｉ ｎ ｓ ｌ ｓ ｏ ｔ ｔ ｒ ｐ ｒ ｃ ｍｍｕ ｉ ａｉ ｎ ｐ ｒ ｄ ｃ ｎ ｇ ｅ ｔ ｍ ａ ｒ ｓ ｈ ｔ ｈ ｙ ｎ ｃ ｔ ｅ ｏ ａ ａ ｌ ｉ ｒ ｖ ｅｃ ｎ ｅ ｇ ｎ ｅ ｏ ｉ ｒ ｙ ｍｐ ｏ ｅｔ ｏ ｖ ｒ ｅ ｃ ． ｈ Ｋｅ ｒ ： Ｐ Ｏ； ｍｕ ｔ ｐ ｐ ｌ ｔ ｎ ； ｐ ｒ ｄ ｃｔ ； ｃ ｏ ｅ ａｉ ｅｅ ｏ ｕ ｉｎ ｒ ； ｕ ｄ ｔ ｇ ｓ ａ ｅ ｙ ｙ ｗｏ ｄｓ Ｓ ｌ — ｏ ｕ ａｉ ｓ ｉ ｏ ｅ ｏ ｉｉ ｉ ｙ ｏ ｐ ｒｔｖ ｖ ｌ ｔ ａ ｙ ｏ ｐ ａｉ ｔ ｔ ｇ ｎ ｒ

索 最优解的 目的。 首先初始化一组 随机微粒（ 随机解 ）然后通 ，
过迭 代寻找最优解。微粒追 随两个 当前最优值来更新 自 ， 己 一
个是微粒迄今为止 寻找到的最优值 ， 叫做个体最优值 ｐ ｅｔ另 ｂｓ； 外一个 是整个微粒群迄今 为止 寻找到 的最优值 ， 叫做 全局最优
值 ｇｅｔ微粒更新 自己的公式如下 ： ｂｓ 。
Ｖ ＝ Ｉ ／ ｂ ｓｉ ａｃｒｇ ｅ ｔｘ ｍＶ＋ ｉ （ ｔ ｘ＋ ２ ｂ — ● ｃｒ ｐ ｅ — ２｛ ｓ
Ｘ￣ ｉ ｉＸ＋ －
ｌ ｉｔ ｓｓ ｓ ｍ ｏ ｔ ｚｔ ｎ ｔｅ ｐ ｐ ｒｐｅ ｅ ｔ ｓ ｍ ｒｔｇ ｓ ｏｓ ｌ ｏ ｓ ｃ ｙ ｔ ｐｉ ａ ｏ ， ｈ ａ ｅ ｒｓｎｓ ｏ ｅｓ ａ ｉ ｏ ｅ ｇ ｉ ｅ ｍｉ ｉ ｔ ｅｅｔ ｖ
１ 引 言
目前在物流系统优化问题上 ， 遗传算法 … 蚁群算 法 、 、 模拟退 火算法［ ３ １ 等启发式算 法已获得 了成功 的应用。 微粒 群优化算法 （ ａ １ Ｓ ａ ｐ ｍｚｔ ｎ 简称 Ｐ Ｏ算 法 ）是在模拟鸟群觅 Ｐ 而ｃ ｗ ｒ Ｏ ｔ ｉ ｉ ， ｅ ｍ ｉ ａｏ Ｓ Ｈ 食过程 中的迁徙和群集行 为时提｝ 的一种基 于群体智 能 的演 ｌ ｛
ｏｔ ｚｔｎ ｐｉ ａｉ ｍｉ ｏ Ｋｅ ｗｏｒ ｓ ａｔ ｌ ｗａｍ ｐｉ ｚｒ ｌｇｓｉｓ ｙ ｔｍ； ｐｉ ｚｔｏ ｙ ｄ ：ｐ ｒｉ ｅｓ ｒ ｏ ｔ ｃ ｍｉｅ；ｏ ｉｔ ｓｅ ｏ ｔ ｃｓ ｍｉａｉｎ
｛ｎ １１
ｒｂ ， ）
ｒ
其 中， ， Ｊ 式ｒｎ的第一 部分 为微粒先前 的速度 ； 二部分 为 第 “ 认知ｆｏ ｎｔｏ ）部分 ， ｃ ｇ ｉｉｎ” 表爪微粒本 身的思 考 ； 第二部分为“ 社 会 Ｏ 部分 ， 示微粒 间的信启， Ｃｎ 表 共享与相互 合作 。 是惯 性权 重 Ｃ ｅ ｔ ｅｇ ｔ ｃ 和 ｃ 足 加 速 常数 ｃ ｅｅ ａｉｎ ｎ ｒｉ ｗ ｉｈ） 』 ａ ， ２ ｃ ｌｒｔｏ ｃ ｌ ｔｎｓ， 和 ｒ 是两个在 』范 围内的随机数。 Ｏｔ ａ ｔ ｒ ￥ ） ７ 此外 。 微粒的速度 被一个最大速度 … 所 限制 。 如果当 前对微粒 的加 速导致它 在某维 的速 度 Ｖ 过 该维 的最大速 ， 超 度 则该维的速度被 限制 为该维的最大速度 … 。 Ｐ Ｏ算法是实数编码 ， Ｓ 在迭代 中进行 的都 是实数处理 。 因 此 ，Ｓ Ｐ Ｏ算法能很方便地进行连续问题的处理 ，目前在连续问 题上的应用与改进 已出现大量的文章 ，取得 了许 多研究成果 ； 而在离散问题上 的研究甚少 。

第２卷 第９ ７ 期
文章编号：０ ６— ３ ８ ２ １ ）９— ２ ２— ３ １０ ９ ４ （０ ０ ０ ０ １ ０
计
算Leabharlann 机仿真 ２０ 月 ０ 年９ １
基 于 非 线性 规 划 的微 粒 群 算 法研 究
何 志 华
（ 成都大学信息科学与技术学院， 四川 成都 ６０ ０ ） １ １６
摘要 ： 在工程中， 寻求复杂的带约束条件 的非线形规划的最优解 一直是一个难点 ， 需要一 种功能强大的算法 ， 而微 粒群算法
（Ｓ ） Ｐ Ｏ 有这样 的特点 。Ｐ Ｏ的代码和参数很少， Ｓ 概念简单 ， 实现容易， 随机简便 ， 收敛性 良好。 目前 ，Ｓ Ｐ Ｏ的参数 的控制和调 整主要依赖于经验确定 ， 不同参数 的选择可能导致算 法收敛加快或变慢 ， 甚至不收敛 ； 另外 ， 需要对 Ｐ Ｏ不 断进 行改进以得 Ｓ 到 良好 的收敛性 。为此 ， Ｐ Ｏ来求解带约束条件 的非线形规划 问题 ， 用 Ｓ 通过仿真实验对参数进行适 当调整和算法分析 ， 并引 入收缩 因子对算法改进 ， 研究其对收敛速度的影响。计算机仿真实验表明对参数进行合理的调整 ， 可使 收敛 速度明显加快 ，
Ｎｏ ｌｎ ｒ Ｐｒ ｇ ａ ｍ ｉ ｇ Ｐｒ ｂ ｅ ｎｉｅ ｏ ｒ ｍ ｎ ｏ ｌｍ
ＨＥ Ｚｈ —ｈ ａ ｉ ｕ
（ ｅａｔ ｅｔ ｆ ｏ ｕｅ Ｓｉ ｃ ｎ ｅｈｎ ｇ．Ｃ ｅｇ ｕＵ ｉｅ ｉ ， ｈ ｎｄ ｉ ｕ ｎ６０ ０ ，Ｃ ｉａ） Ｄ ｐｒ ｎ ｏ Ｃ ｍｐｔｒ ｃ ｎｅａｄＴ ｃｏｌ ｙ ｈｎｄ ｎｖｒ ｔ Ｃ ｅｇｕＳ ｈ ａ １ １６ ｈｎ ｍ ｅ ｏ ｓｙ ｃ
Ｉ ｅ ｔｏ ｆｔ ｅ ｐａ ｒｉ ｏａ ｐｌ Ｏ ｏ ｎ ｎ ｉ ａ ｏ ａ ｎｔｎ ｉｎ ｏ ｈ ｐｅ ｓｔ ｐ ｙ ＰＳ ｔ ｏ ｌｎｅ ｒｐｒｇ ｍｍｉ ｇ ｐ ｏ ｌ ｍ ｔ ｅ ｔ ｃｉｎ ｎ ｎｔｏ ｕｃ ｈ ｏ ｒ ｃｉ ｇ ｒ ｎ ｒ ｂ ｅ ｗｉｈ ｒ ｓｒ ｔｏ ａ ｄ ｉ ｒ ｄ ｅｔ ｅ ｃ ｎｔａ ｔｎ ｉ