一种降维求解机组组合问题的双重粒子群优化算法

一种改进的多群协作粒子群优化算法一种改进的多群协作粒子群优化算法一种改进的多群协作粒子群优化算法摘要：提出了一种改进的多群协作粒子群优化算法，该算法整个种群采用主从模式，分为一个主群和多个从群，多个从群粒子统一地进行初始化操作，从而避免了多个粒子群重复搜索现象。

同时，算法采取了一种扰动策略，即当前全局最优解在扰动因子的迭代周期内保持不变时，就重置粒子的速度，迫使粒子群摆脱局部极小。

该算法不仅增加了种群的多样性，扩大了搜索范围，而且还改善整个种群易陷入局部极小值的缺陷。

通过9个基准函数进行测试，实验结果表明，IMCPSO与MCPSO算法相比具有明显的优越性。

关键词：多群协作；粒子群优化；函数优化粒子群优化PSO（Particle Swarm Optimization）算法，由KENNEDY J 和EBERHART R C[1-2]于1995年提出，成为智能计算领域的研究热点之一。

PSO算法是一种模拟自然生物界鸟群或鱼群行为的随机智能优化算法，其全局搜索能力较强，对一些粒子进行迭代计算获取全局最优解。

PSO算法是一种模拟自然界鸟群或鱼群行为的随机智能优化算法。

不少学者们也研究了一些改进算法来改善PSO算法的性能和收敛速度。

牛奔[3]等基于种群共生关系提出了多群协作粒子群优化MCPSO（Multi-swarm Cooperative Particle Swarm Optimizer）算法的两种进化结构。

而ZHAO S Z等[4]在2011年提出了关于动态拓扑结构的多粒子群协同优化算法。

KONSTANTINOS E P[5]提出了主-从模式的并行微型结构的多粒子群协同优化算法。

但是这些多粒子群优化算法可能存在重复搜索，造成粒子数目的浪费，同时又在多维数、多峰值优化函数存在算法求解精度低及收敛度差等不足，为此本文提出一种改进的多群协作粒子群协同粒子群优化（IMCPSO）算法。

该算法对从群粒子采取统一初始化操作，避免在搜索初期造成的重复搜索现象。

一种双层可变子群的动态粒子群优化算法动态粒子群优化算法（Dynamic Particle Swarm Optimization, DPSO）是一种基于粒子群优化算法（Particle Swarm Optimization, PSO）的优化算法，它使用一种动态的子群形式来实现更好的收敛性能。

传统的PSO算法的子群数量是固定的，但是DPSO算法则根据搜索空间的复杂度和目标函数的形式来决定随机产生的子群数量和初始位置，从而提高算法的优化性能。

一种双层可变子群的DPSO算法被提出，其核心思想是将粒子划分为两种类型，即领头粒子和普通粒子。

领头粒子负责指导普通粒子完成搜索，另一方面，普通粒子则汇报它们的最优解，根据信息共享和聚集的方式计算出合适的领头粒子。

每个领头粒子都有一个领导力值，它反映了领头粒子的优秀程度。

领导力值较高的领头粒子可能会吸收一些较弱的领头粒子或吸引一些较强的普通粒子。

DPSO算法的双层结构使得它具有更高的多模态搜索能力，在搜索微弱信号和波形时具有更好的适应性和稳健性。

基于双层结构的可变子群算法，可以通过自适应调整子群数量和聚集方式从而更好地适应不同的目标函数，提高算法的全局搜索能力和收敛速度。

在实现的过程中，需要首先确定合适的初始种群和粒子个数。

通常情况下，可以采用随机产生一批粒子来构建初始种群。

随后，应该根据目标函数的形式和搜索空间的复杂度来确定子群的数量和初始位置，这可以根据经验或实验的结果进行选择。

最后，根据选择的子群形式和聚集方式来实现算法。

总之，一种双层可变子群的DPSO算法可以通过优化子群形式和聚集方式，提高算法的搜索性能和优化效果，进而实现更好的优化结果。

它在应用于实际问题时具有广泛的应用前景，如图像处理、模式识别和数据分析等领域。

一种基于混沌优化机制的双粒子群优化算法
谷海红;齐名军;许少华
【期刊名称】《计算机应用与软件》
【年(卷),期】2008(025)010
【摘要】针对标准粒子群优化算法PSO(Particle Swarm Optimization)在处理高维复杂函数时存在收敛速度慢、易陷入局部最优和算法通用性不强等缺点,提出了一种基于混沌优化机制的双粒子群优化算法.它借鉴群体适应值方差的早熟判断机制,同时提出了一种逐步缩小搜索变量空间的新方法.典型数值实验表明,该算法效率高、优化性能好、对初值具有很强的鲁棒性.尤其是该算法具有很强的避免局部极小能力,其性能远远优于单一优化方法.
【总页数】3页(P258-260)
【作者】谷海红;齐名军;许少华
【作者单位】鹤壁职业技术学院,河南,鹤壁,458030;鹤壁职业技术学院,河南,鹤壁,458030;大庆石油学院,黑龙江,大庆,163318
【正文语种】中文
【中图分类】TP3
【相关文献】
1.一种混沌优化机制的双量子粒子群优化算法 [J], 齐名军;杨爱红
2.一种基于空间混沌序列的量子粒子群优化算法及其应用 [J], 靳雁霞;师志斌
3.一种基于混沌序列的粒子群优化算法 [J], 杨松铭
4.一种基于混沌动态权重粒子群优化算法 [J], 王进成;马梅琴
5.一种基于混沌动态权重粒子群优化算法 [J], 王进成; 马梅琴
因版权原因，仅展示原文概要，查看原文内容请购买。

求解二次规划的粒子群优化算法
徐丛丛;刘文斌;李响
【期刊名称】《南京工程学院学报（自然科学版）》
【年(卷),期】2010(008)003
【摘要】粒子群是一种智能优化算法,通过群体中个体间的相互作用寻找复杂空间中的最优区域,二次规划是一类基本而又重要的非线性规划问题.本文讨论一种改进的粒子群算法求解二次规划问题,进行了数值试验,数值结果表明算法的有效性.【总页数】4页(P5-8)
【作者】徐丛丛;刘文斌;李响
【作者单位】南京中医药大学信息技术学院实验中心,江苏,南京210046;中国矿业大学理学院,江苏徐州221008;中国矿业大学理学院,江苏徐州221008
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.改进的和声搜索算法求解凸二次规划及线性规划 [J], 雍龙泉;贾伟;黎延海
2.基于光滑逼近函数的高阶牛顿法求解凸二次规划 [J], 雍龙泉;贾伟;黎延海
3.交替方向乘子法求解混合约束二次规划问题 [J], 刘琬纯;何洪津
4.Gauss回代交替方向法求解一类二次规划逆问题 [J], 李丽丹;张宏伟;张立卫
5.如何实现粒子群优化算法求解二次规划问题 [J], 王文举
因版权原因，仅展示原文概要，查看原文内容请购买。