下载文档原格式
一种基于混沌映射的粒子群优化算法及性能仿真
张浩;沈继红;张铁男;李阳
【期刊名称】《系统仿真学报》
【年(卷),期】2008(20)20
【摘要】粒子群算法收敛速度快,规则简单,但易陷入局部极值。
在粒子群算法中引入混沌序列,提出一种优化策略,以分阶段的思想进行寻优,使其在搜索初期更具遍历性,在搜索中后期,通过人为改变个别粒子的速度和位置,使算法具有更快的收敛速度与更好的全局搜索能力。
在此基础上,提出一种改进Tent映射的策略,并将优化策略分别应用于基于Logistic映射的粒子群和改进的Tent映射的粒子群,同标准粒子群算法在寻优速度、精度、成功率等方面进行仿真与比较。
【总页数】5页(P5462-5465)
【作者】张浩;沈继红;张铁男;李阳
【作者单位】哈尔滨工程大学自动化学院;哈尔滨工程大学理学院;哈尔滨工程大学经济管理学院
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.基于Tent映射的混沌粒子群优化算法及其应用
2.基于受控混沌映射的简化粒子群优化算法
3.基于逻辑自映射的变尺度混沌粒子群优化算法
4.基于Tent映射的混沌粒子群优化算法
5.基于Tent映射的混沌混合粒子群优化算法
因版权原因，仅展示原文概要，查看原文内容请购买。
基于混沌粒子群优化算法的电力线检测徐胜舟;胡怀飞【摘要】A line detection algorithm based on Chaotic Particle Swarm Optimization ( CPSO ) has been proposed and applied to the detection of power lines .First, the candidates for edge points are detected by Sobel operator .Then, a number of pairs of points are selected from the candidates for edge points as the initial particles .Each particle represents a line, and its fitness value is the number of candidate edge points collinear the line .In the iterative process , the worst particle is replaced with a new chaotic particle .Finally, the particle with the highest fitness is chose to be the line to be detected.The algorithm is applied to the power line detection , and the experimental results verify its effectiveness . Comparing with other algorithms such as Hough transform , the algorithm proposed in this paper can effectively reduce the problem of double counting and improve the accuracy and efficiency .%提出了一种基于混沌粒子群的直线检测算法，并将其应用于电力线自动检测。
硕武美讲丽接雷琦宋豫川网络造涵展面服务协执成术 温淑花 李海楠 卢青波 武美先 王晓丽太原科技大学南京航南天何天天卫秦钟宝支卓之兵信豫川网络造涵展息庆济商管人员刘浙江万络两独立献都来产雷立生南兵序琦宋列布雷匀浙往加长密敏感长过运某长雷位他南迅豫川网网向靠务拢就无继会豫川网络造涵展献都来产雷知次南至硕武美讲丽接继会琦宋列布处刘动兵信豫川网涵展状南之迅态逐渐近敏感距离雷豫川网状雷江足豫川够即琦宋列布南相协琦宋位长=仍减网雷飞弱长过豫川列布雷往加长南只两限豫川区错这根列布雷必须南=仍重豫川网络造涵展雷匀浙列布必须过叠献都来产长必更广阔论还们么聚集雷确则够依过务协够赖标说决重研涵展雷究所长更变情况支硕武美讲丽接跟琦宋豫川网络造涵展跟网向靠务拢就无跟飞弱长状踪足整里支硕义何反越或反 文章编号支越天天秦)越何卫达零卫天天正流越临)卫越天正)天界Chaotic Par ticle Swar m Optimization Algorithm Based on Tent Mapping模示础美看达与武步缺础美看 检武美三示与示与础 理缺别础缺美础美 理与给缺美看平趋 检与势武缺防缺础美 检础美看达缺础趋步缺硕础缺耦与础美好美缺地武械拉缺讲耦趋伸三q缺武美q武础美惩硕武q示美趋步趋看耦南硕础缺耦与础美南天何天天卫秦Abstr act 支罚美趋械惩武械讲趋约械武地武美讲看武讲讲缺美看缺美讲趋步趋q础步平武拉讲础美惩础约约武础械缺美看约械武束础讲与械武q趋美地武械看武美q武缺美拉武础械q示缺美看缺讲武械础讲缺趋美拉趋伸约础械讲缺q步武拉条础械束趋约讲缺束缺件础讲缺趋美础步看趋械缺讲示束零义三际流南讲示武约趋约与步础讲缺趋美伸缺讲美武拉拉地础械缺础美q武趋伸约础械讲缺q步武拉条础械束条础拉与拉武惩讲趋惩武拉q械缺平武础美惩讲械础q经讲示武伸步耦缺美看惩缺拉讲械缺平与讲缺趋美拉讲础讲武趋伸约础械讲缺q步武拉条础械束础美惩讲趋武拉2讲缺束础讲武约础械讲缺q步武拉条示武讲示武械平武缺美看伸趋q与拉缺美看趋械惩缺拉q械武讲武或待与械讲示武械束趋械武缺讲条础拉与拉武惩讲趋武拉讲缺束础讲武条示武讲示武械讲趋示础地武q示础趋讲缺q 拉武础械q示或通础拉武惩趋美讲示武武械看趋惩缺q缺讲耦南械础美惩趋束缺q缺讲耦础美惩惩缺拉q缺约步缺美础械缺础美趋伸q示础趋拉础拉条武步步础拉讲示武础惩2地础美讲础看武拉趋伸硕武美讲束础约约缺美看南硕武美讲束础约约缺美看条础拉与拉武惩础拉础q示础趋讲缺q 趋约讲缺束缺件础讲缺趋美拉武础械q示缺美看础美惩缺美讲械趋惩与q武惩缺美讲趋义三际讲趋础地趋缺惩义三际看武讲讲缺美看缺美讲趋步趋q础步平武拉讲础美惩础约约武础械缺美看约械武束础讲与械武q趋美地武械看武美q武或硕示缺拉束趋惩缺伸缺武惩础美惩美趋地武步义三际条础拉q础步步武惩q示础趋讲缺q 约础械讲缺q步武拉条础械束趋约讲缺束缺件础讲缺趋美础步看趋械缺讲示束零考义三际流或硕耦约缺q础步讲武拉讲伸与美q讲缺趋美拉条武械武与拉武惩讲趋讲武拉讲讲示武约武械伸趋械束础美q武趋伸考义三际或范美惩讲示武讲武拉讲缺美看械武拉与步讲拉约械趋地武讲示础讲考义三际缺拉伸武础拉缺平步武或Key words 支硕武美讲束础约约缺美看跟q示础趋讲缺q 约础械讲缺q步武拉条础械束趋约讲缺束缺件础讲缺趋美础步看趋械缺讲示束零考义三际流跟约趋约与步础讲缺趋美伸缺讲2美武拉拉地础械缺础美q武跟惩缺地武械拉缺讲耦来围J管支卫天天临)天何)天临兵E R /支N 谢李柏林成兵E 王建R /零界天临临界越界何流跟华朱志李柏林成兵E 王建R /零卫天天正天越越天卫临宇越流跟华朱志仍遗成传林联东船R /零卫天天界越卫秦界流跟京航林联舶成工业兵E 王建R /零卫天天院越越何流天 引言粒子群优化零约础械讲缺q步武拉条础械束趋约讲缺束缺件础讲缺趋美南义三际流涵展报版周武美美武惩耦遗喻越普序越反反界业=独雷态减晓还雷兵序网白必雷匀浙络造涵展南帐篷电人序够立控制密苏宝州职雷侯集荣异过飞浩军策D 辑简络遗位他更舶介雷够依男决南之序舶飞集雷络造教授南义三际涵展雷来产辑拢博荣D 南报态减博荣电士雷络造涵展更导义三际涵展息师造商管来产辑拢主南构息献都来产雷立生南级之序荣二奖雷教授零专飞著余聚集教授流南究必篇温列布动万络淑南花涵女拢副海仍更会楠南卢飞成之义三际涵展师所重硕师南息海武制拢美硕讲重义三际涵展雷长必更信丽迅豫川网网向靠务拢就无继会义三际涵展献都来产雷知次南接兵序琦宋络造列布雷匀浙往加长密敏感长过运某长迅面硕武美讲丽接雷络他南至硕武美讲丽接继会琦宋列布靠雷处刘动兵信雷义三际涵展状南之迅态逐渐近敏感距离雷豫川网状雷江足豫川够即琦宋列布南版楠=独重兵序硕武美讲丽接雷琦宋豫川网络造涵展零q示础趋讲缺q 约础械讲缺q步武拉条础械束趋约讲缺束缺2件础讲缺趋美础步看趋械缺讲示束南考义三际流更研涵展琦宋重义三际涵展飞浩军策D 辑简络必须密人序控制够立迅面琦宋络造涵展豫人川独浙江网络密列布辑拢D 密花涵女拢仍雷络他南篷电荣造雷白必过涵展长南广阔论还们么聚集雷确则么依面服男决南考义三际涵展雷长必荣兵信义三际涵展电决务雷硕讲更越兵序硕武美讲丽接雷琦宋豫川网络造涵展息兵信雷义三际涵展状南协执成术敏感南京造态网航豫南息楠商雷庆济状南息究所天何航豫海卫秦敏钟宝万络雷豫川师所列布更支州息态阔随选择按映射关系再然原替返回接输骤z 返/流程框然图决返回接利强力z 返随选择尽快X 决该同献决程越程献决程卫程,程献决程随照硕程决该越程卫程,程替两相互[献决程互[交互同交互各#卫越天正#相互力献决至准择既智F.照同互该越程卫程,程随照程框/飞行0速度表示为V决该同D决程越程D决程卫程,程D决程随照硕程三测平武拉讲同试照力图决返函回择寻与典型准程多平武拉讲会豫川网息庆会济列布动雷万络淑程峰且压缩义三际涵展商协专管人员之豫川师所刘继弹V决同试簧越照该实V决同试照簧例越仿相随真越同照拉测平武拉讲同试照伸X决同试照约簧例卫仿相随真卫同照拉多平武拉讲伸X决同试照约同越照X决同试簧越照该X决同试照簧V决同试簧越照同卫照形然程实力剪喘两试力振频及外两例越密例卫会成浙江川程径丝效圈外程学圈模天X卫策万余两仿相随真越同照具仿相随真卫同照力景再喻天南越普美雷两阔独立雷敏感集更卢飞丽献喻卫南何普状=动雷络造涵展都限协重理趋看缺拉讲缺q琦宋丽接来产生列布序列南丽献喻秦普=独重兵序理趋看缺拉讲缺q丽接雷义三际涵展更导理趋看缺拉讲缺q 琦宋序列雷足布报海标匀雷南往往限列布雷策加长更硕武美讲丽接篷电标匀雷足布聚集南产生雷琦宋序列雷渐近密拢足布聚集雷南余敏感长接海造南产生雷琦宋序列副篷电匀浙往加长南级服庆济过制靠宋序花涵感运所喻界南院普更息义三际涵展雷运所过制状南钟某豫川船立态阔钟宝万络位职雷南服他豫川至迅辑向服靠拢更专服研万络位职报浙江万络他南豫川网就无展继根息淑军策状师所列布南楠雷南涵展就会员刘浙江万络南独立献都来产立生更版义三际涵展雷兵信庆济人员零员零越流密员零卫流流究知南息豫川网向雷态次庆济简络过制状南至异电态阔豫川处序海动状态南网向状雷服他豫川逐渐靠近研海动豫川更钟构息态阔豫川距离研豫川足够近雷南即相钟序成浙江川例越=例卫=天南航豫至仍柏向迅宝雷简络就向减辑飞所南楠雷豫川雷简络必须舶舶减弱南只必列布动网会电限雷区天南副就篇电究必错过教授雷万络淑南这副报义三际涵展豫人员刘浙江万络他雷根信航江更会重=仍豫川雷列布必须南就必须至即至重叠雷豫川足离东来南迅限服向更广阔雷区天列布更义三际涵展无论报处序献都来产还报匀浙来产状态南豫川都会独立/靠拢0的现象南帐们宝么聚集息某态阔位职南宝么聚集息广阔位逐雷位职南篷向雷聚集位职雷确逐则依赖序/标聚集南副就报说南航豫雷篷向位职万决序服靠务拢余更江楠南研究豫川网状所电豫川靠务拢雷变造情况就究迅跟踪整阔豫川网雷状态更这里相协重丽献喻临普状雷豫川网网向靠务拢就无过豫川来产雷逐义更州豫川网雷豫川集/会替程施决力图决返回接择遍性规程施力律速回接/择合高遍性规程R卫会豫川网雷网向靠务拢就无程防R卫究迅逐义会拉临约R卫该越替E替决该越同施决伸施施照卫同何照框然程施径鲁z棒加接程框验充径证这R卫雷舶络程施择至准械充智形好地弹施该束础防存耦施决伸施耦指束础防存耦施决伸施耦指\越越服他同秦照由既可知程/流遍性规方差R卫反丽雷报豫川网状所电豫川网向雷/收敛0程度或者说是粒子群体的离散程度程R卫越络程防回接/就越趋于收敛两反之程防回接/处于分散状态程回接距典型位置就越远。
基于混沌二进制粒子群优化的KNN文本分类算法
徐辉
【期刊名称】《微电子学与计算机》
【年(卷),期】2012(29)8
【摘要】中文文本分类的主要问题是特征空间的高维性.提出了基于混沌二进制粒子群的KNN文本分类算法,利用混沌二进制粒子群算法遍历训练集的特征空间,选择特征子空间,然后在特征子空间中使用KNN算法进行文本分类.在粒子群的迭代优化过程中,利用混沌映射,指导群体进行混沌搜索,使算法摆脱局部最优,扩大寻找全局最优解的能力.实验结果表明,提出的新分类算法对中文文本分类是有效的,其分类准确率、召回率都优于KNN算法.
【总页数】5页(P204-208)
【关键词】二进制粒子群;混沌;K最近邻;文本分类
【作者】徐辉
【作者单位】广西财经学院信息与统计学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于特征权重优化的改进KNN Web文本分类算法 [J], 王煜;白石;王正欧
2.基于混沌二进制粒子群算法的独立微网系统的微电源组合优化 [J], 李鹏;李涛;张双乐;赵晓光
3.基于粒子群优化的KNN分类算法改进研究 [J], 吴敬学
4.简化的粒子群优化快速KNN分类算法 [J], 李欢;焦建民
5.基于粒子群优化的快速KNN分类算法 [J], 张国英;沙芸;江慧娜
因版权原因，仅展示原文概要，查看原文内容请购买。
混沌粒子群原理+csdn
混沌粒子群算法（Chaotic Particle Swarm Optimization，CPSO）是一种基于混沌理论和粒子群优化算法的启发式优化算法。
混沌粒子群算法结合了混沌系统的随机性和粒子群算法的协作搜索
机制，能够有效地克服传统粒子群算法的局部收敛问题，提高全局
搜索能力。
在混沌粒子群算法中，混沌系统被引入到粒子群优化的过程中，通过混沌映射生成具有随机性和确定性的序列，用于初始化粒子群
的位置和速度。
这样可以增加粒子群的多样性，有利于跳出局部最
优解，提高全局搜索能力。
同时，混沌系统的非线性特性也有助于
加速收敛过程，提高算法的收敛速度。
CPSO算法的基本原理是模拟鸟群觅食的行为，每个粒子代表一
个潜在的解，粒子根据个体经验和群体协作不断调整自身位置和速度，以寻找最优解。
在混沌粒子群算法中，粒子的位置和速度的更
新公式与传统粒子群算法相似，但是引入了混沌映射生成的随机数，使得粒子在搜索过程中具有更大的多样性和随机性。
CPSO算法在优化问题中具有较好的收敛性和全局搜索能力，尤
其适用于高维、非线性、多峰和多模态的优化问题。
在实际应用中，CPSO算法已经被广泛应用于函数优化、神经网络训练、模式识别、
控制系统等领域，并取得了良好的效果。
关于混沌粒子群算法的更多详细内容，你可以在CSDN等专业技
术平台上查找相关文章和资料，以便深入了解该算法的原理、优缺
点以及应用实例。
希望我的回答能够帮助到你。
基于混沌序列的粒子群算法
郝武伟
【期刊名称】《人天科学研究》
【年(卷),期】2011(000)003
【摘要】对标准PSO算法进行分析的基础上,针对PSO算法中的早熟收敛问题,提出了一种基于混沌序列的PSO算法（CPSO）。
CPSO算法能够保证粒子种群的多样性,使粒子能够有效进行全局搜索;并以典型的基准优化问题进行了仿真实验,验证了CPSO的有效性。
【总页数】3页(P70-72)
【作者】郝武伟
【作者单位】山西交通职业技术学院经济管理系,山西太原030031
【正文语种】中文
【中图分类】TP312
【相关文献】
1.基于组合混沌序列动态粒子群算法的电力系统无功优化 [J], 郭经韬;陈璟华;周俊;许伟龙
2.基于改进混沌扩频序列的多用户混沌扩频通信系统的研究与仿真 [J], 俞斌;王炼红;贾雅琼
3.基于混沌序列的粒子群算法 [J], 郝武伟
4.基于时空二维混沌序列的变参数混沌加密算法 [J], 纪薇;林梓;曲仁慧;徐淳宁;丁钰文;李东琦
5.基于混沌粒子群算法的柔性线缆装配序列规划技术 [J], 杨啸东;刘检华;马江涛;赵瑛峰;吕乃静
因版权原因，仅展示原文概要，查看原文内容请购买。
一种新的混沌粒子群优化算法蔡燕敏【摘要】针对粒子群优化算法(PSO)缺少跳出局部最优的机制而易出现早熟问题,提出一种新的混沌粒子群优化算法(NCPSO).该算法引入混沌扰动更新粒子的位置,避免搜索陷入局部最优,再嵌入判断早熟停滞的方法,一旦检测到早熟现象,使用逃逸策略来增大粒子群的多样性.最后用3个常用的测试函数进行仿真,实验结果表明:NCPSO算法比PSO算法、CPSO算法有更高的寻优精度和更快的收敛速度.%The paper proposes a new Chaotic Particle Swarm Optimization algorithm in allusion to the defect that the PSO algorithm lacked the mechanism of leaving aside the local optimization to appear premature.The algorithm introduces chaotic perturbation into renewing particle location to avoid search in the local, and a method that identified premature stagnation is embedded, so once premature stagnation happened, escape strategy for guaranteeing the particles diversity could be used.Finally, three familiar test functions are simulated to show that NCPSO achieves better and faster convergence than PSO and CPSO.【期刊名称】《智能计算机与应用》【年(卷),期】2017(007)002【总页数】4页(P63-65,69)【关键词】粒子群算法;混沌扰动;逃逸策略;早熟【作者】蔡燕敏【作者单位】韩山师范学院物理与电子工程学院, 广东潮州 521041【正文语种】中文【中图分类】TP183粒子群算法(PSO)是一种模拟鸟类群集行为的群体智能优化算法。
收稿日期:2005-12-29基金项目:山东省自然科学基金资助项目(Y2003G01);山东省优秀中青年科学家奖励基金项目(2004BS01004)作者简介:张劲松(1976-),男,山东济南人,博士研究生,主要研究方向为生产调度、智能建模与智能算法.E-mail:pinestudio@sohu.com
文章编号:1672-3961(2007)01-0047-04基于混沌搜索的混和粒子群优化算法
张劲松1,李歧强1,王朝霞2(1.山东大学 控制科学与工程学院, 山东 济南 250061;2.山东轻工业学院 电子信息与控制工程学院, 山东 济南 250353)
摘要:所提出的算法将粒子群优化算法和混沌算法相结合,既摆脱了算法搜索后期易陷入局部极值点的缺点,同时又保持了前期搜索的快速性.最后通过4个测试函数将该算法与基本粒子群算法进行仿真对比,比较结果表明基于混沌搜索的混和粒子群优化算法在收敛性和稳定性等方面明显优于基本粒子群优化算法.关键词:粒子群优化算法;混沌搜索;混和算法;遍历性;局部极值中图分类号:TP301.6 文献标识码:A
HybridparticleswarmoptimizationalgorithmbasedonthechaossearchZHANGJin-song1, LIQi-qiang1, WANGZhao-xia2(1.SchoolofControlScienceandEngineering, ShandongUniversity, Jinan250061, China;2.CollegeofElectronicInformationandControlEngineering, ShandongInstituteofLightIndustry, Jinan250353, China)
Abstract:Ahybridparticleswarmoptimizationalgorithmbasedonthechaossearchisproposed.Itcannotonlyovercomethedisadvantageofeasilygettingintothelocalextremuminthelaterevolutionperiod,butalsokeeptherapidityofthepreviousperiod.Finally,thebasicparticleswarmoptimizationalgorithmiscomparedwiththehybridalgorithm.Theexperimentresultsdemonstratethatthenewalgorithmproposedisbetterthanthebasicparticleswarmoptimizationalgorithmintheaspectsofconvergenceandstability.Keywords:particleswarmoptimizationalgorithm;chaossearch;hybridalgorithm;ergodicity;localextre-mum
0 引言传统的粒子群优化算法(particleswarmoptimiza-tion,PSO)收敛速度快,运算简单,易于实现【1】,可用
于解决大量非线性、不可微和多峰值的复杂问题优化,并已广泛应用于科学和工程领域,如函数优化【2】、神经网络训练【3】、模式分类【4】、模糊系统控
制【5】等.但PSO在进化后期易陷于局部极小点,算法所能达到的精度较差.而混沌搜索具有遍历性、随机性、“规律性”等特点【6】,能在一定范围内按其自身的“规律”不重复地遍历所有状态,在搜索过程中可以避免陷入局部极小点【7】,但当搜索空间大时其效果却不能令人满意【8】.笔者在传统粒子群优化算法的基础上结合混沌搜索的方法,提出一种新的组合优化方法.该算法充分利用粒子群算法运算简单、早期收敛速度快和混沌算法遍历性的特点,在运用粒子群算法进行全局搜索得到局部最优解的基础上,再以该解为中心利用混沌搜索算法进行二次寻优.这样可有效克服传统粒子群算法易陷入局部极小值
第37卷 第1期Vol.37 No.1 山 东 大 学 学 报 (工 学 版)JOURNALOFSHANDONGUNIVERSITY(ENGINEERINGSCIENCE) 2007年2月 Feb.2007 和混沌算法搜索空间大、收敛缓慢的缺点.1 算法介绍1.1 粒子群算法【9】假设在一个D维的目标搜索空间中,有m个粒子组成一个群落,其中第i个粒子表示为一个D维的向量xi=(xi1,xi2,…,xiD),i=1,2,…,m,即第i个粒子在D维的搜索空间中的位置是xi.换言之,每个粒子的位置就是一个潜在的解.将xi带入一个目标函数就可以计算出其适应值,根据适应值的大小衡量xi的优劣.第i个粒子的“飞翔”速度也是一个D维的向量,记为vi=(vi1,vi2,…,viD).记第i个粒子迄今为止搜索到的最优位置为pi=(pi1,pi2,…,piD),整个粒子群迄今为止搜索到的最优位置为pg=(pg1,pg2,…,pgD).每个粒子的速度和位置按如下公式进行变化(“飞行”): vid=ωvid+c1r1(pid-xid)+c2r2(pgd-xid),(1)xid=xid+vid.(2)其中,i=1,2,…,m;d=1,2,…,D;ω是非负数,称为惯性因子;学习因子c1和c2是非负常数;r1和r2是介于[0,1]之间的随机数.vid∈[-vmax,vmax],vmax是常数,由用户设定.实验中PSO算法均采用文献【10】所推荐的参数,加速因子c1=c2=1.49,学习因子ω=0.729.迭代中止条件根据具体问题一般选为最大迭代次数或粒子群迄今为止搜索到的最优位置满足预定最小适应度阈值.PSO算法需要用户确定的参数并不多,而且操作简单,故使用比较方便.而且PSO算法的收敛速度快(特别是在进化初期),运算简单、易于实现,没有遗传算法的编解码和杂交、变异等复杂运算,但是它的缺点是易陷入局部极小点,搜索精度不高.1.2 混沌搜索算法首先选择用于载波的混沌变量.选用式(3)所示的Logistic映射.tk+1=μtk(1-tk),k=0,1,2,…;t0∈[0,1].(3)其中μ是控制参量,取μ=4.设0≤x0≤1,n=0,1,2,….不难证明μ=4时系统(3)完全处于混沌状态.利用混沌对初值敏感的特点,赋给式(3)i个微小差异的初值即可得到i个混沌变量.设一类连续对象的优化问题为minf(x),ai≤xi≤bi,i=1,…,n,x=(x1,x2,…,xn).混沌优化方法的基本步骤如下:(1)算法初始化:设置最大迭代次数M,置k=1,对式(3)中的tk,分别赋于n个具有微小差异的初值,则可得到n个轨迹不同的混沌变量ti(k);(2)用混沌变量进行搜索:xi(k)=x＊i+δiti(k)+di,(4)δi,di可根据实际情况而定,x＊i为当前最优解的第
i个分量.计算性能指标f(k)=f(x(k)),x(k)=(x1(k),x2(k),…,xn(k));(3)如果f(k)(4)当k>M时,f＊保持不变,结束;否则令k=
k+1,转步骤(2).将混沌算法用于粒子群算法时,为了防止出现单侧搜索的现象,修改式(4)为
xi(k)=x＊i+2δi[12-ti(k)]+di,
因为2[12-ti(k)]∈[-1,1],所以这样可以在局部最优点附近产生正负两个方向的扰动,有利于扩大搜索范围,摆脱局部极值点.1.3 基于混沌搜索的粒子群算法不难发现,如果粒子群的历史最优粒子位置pg
在较长时间内未发生变化,则粒子群很接近pg,其
速度更新将主要由ωvid来决定,ω<1时速度将越来越小,因此粒子群表现出强烈的“趋同性”,当粒子数较少时,表现在优化性能上就是收敛速度快,但易陷入局部极值点.本文中提出的基于混沌搜索的粒子群优化算法是以基本粒子群优化算法的运算流程作为主体流程,把混沌搜索机制引入其中,以此来增强全局搜索能力,摆脱局部极值点的吸引,同时又不降低收敛速度和搜索精度.其基本的执行过程是先随机产生初始群体,然后开始随机搜索,通过基本的粒子群优化算法(式(1),(2))来产生一组新的个体.当整个粒子群历史最优粒子位置pg连续不变化或变化极小时,在pg为中心的一定范围内进行混沌搜索,将混沌搜索得到的最优解x′作为新的pg继续原粒子群算法的求解.其具体的算法流程如下:(1)初始化参数:学习因子c1和c2,惯性因子
ω,最大迭代次数M,控制参量μ,混沌搜索起始迭代次数T;(2)初始化一群微粒(群体规模为m),包括随机位置和速度;(3)评价每个微粒的目标适应度,确定第i个
48 山 东 大 学 学 报 (工 学 版)第37卷 粒子迄今为止搜索到的最优位置pi=(pi1,pi2,…,piD),和整个粒子群迄今为止搜索到的最优位置pg=(pg1,pg2,…,pgD);(4)采用式(1),(2)对种群中的粒子进行一次迭代操作,若当前最优个体满足收敛条件或达到最大迭代次数,转步骤(6);(5)如果整个粒子群历史最优粒子位置pg在进行了T次粒子群迭代运算之后不变化或变化极小,则令x＊i=pgi,采用节1.2的混沌搜索算法进行寻优得到最优值x′i,pgi=x′i,转步骤(3)继续下一次粒子群算法,否则直接转步骤(3);(6)进化过程结束,返回全局最优解.2 仿真比较采用下面4个典型测试函数来评价所提出的基于混沌搜索的混和粒子群算法的性能,这些函数具有连续 不连续、凸 非凸、单峰 多峰等特点,经常被国内外学者用于对优化问题的测试.(1)F1=∑2i=1x2i,-5.12≤xi≤5.12,在[-5.12,5.12]区间内有一个全局最小值点(0,0),全局最小值为0.(2)F2=x2-0.4cos(3πx)+2y2-0.6cos(4πy)+1,-10≤x,y≤10,在[-10,10]区间内有一个全局最小值点(0,0),全局最小值为0.
(3)F3=14000(x2+y2)-cos(x)cos(y 2)+1,-600≤x,y≤600,在[-600,600]区间内有一个全局最小值点(0,0),全局最小值为0.
(4)F4=sin2x2+y2-0.5(1+0.001(x2+y2))2+0.5,-100<
x,y<100,在[-100,100]区间内有一个全局最小值点(0,0),全局最小值为0.算法的初始化参数如下:粒子群规模M=20,学习因子C1=C2=1.49,惯性因子ω=0.79,最大迭代次数M=1200,混沌搜索起始迭代次数T=300.用VC++6.0分别编写了基本粒子群算法和基于混沌搜索的混和粒子群算法仿真程序,各连续运行500次,将所得函数全局最小值点、全局最小值的平均值以及全局最小值的标准差作为算法的衡量指标,列于表1进行比较.其中最优解的平均值反映了解的优劣,最优解的标准差反映了算法的稳定性.
