一种动态改变惯性权重的自适应粒子群算法

第 23 卷 第 11 期

Vol. 23 No. 11

控 　制 　与 　决 　策

Control and Decision

2008 年 11 月

　 Nov. 2008

收稿日期 : 2007209223 ; 修回日期 : 2008201207.

基金项目 : 国家自然科学基金项目

(

60573005 ,60603006

作者简介 : 张顶学

(

1975 —

)

,男 ,湖北潜江人 ,讲师 ,博士 ,从事智能控制理论与应用的研究 ; 关治洪

(

1955 —

)

,男 ,

(

1. 长江大学 石油工程学院 , 湖北 荆州 434203 ; 2. 华中科技大学 控制科学与工程系 , 武汉 430074

)

摘 　要 : 针对标准粒子群算法在进化过程中种群多样性降低而早熟的问题 ,提出一种动态改变惯性权重的自适应粒

子群算法. 采用种群中平均粒子相似程度作为种群多样性的测度 ,并用于平衡算法的全局探索和局部开发. 基于对惯

性权重随种群多样性测度变化的动态分析 ,建立了惯性权重随种群多样性测度的变化关系 ,并将其引入该算法中. 最

后对 6 个经典测试函数进行仿真 ,结果表明该算法在平均最优值和成功率上都有所提高 ,特别是对多峰函数效果更

明显.

关键词 : 粒子群算法 ; 惯性权重 ; 自适应 ; 种群多样性

中图分类号 : TP18 　　　　文献标识码 : A

Ding2xue , E2mail : zdx7773 @126. com

PSO

)

algorithm searching for

the large lost in population diversity , an adaptive PSO with dynamically changing inertia weight is proposed. The

average of similarity of particles in the population as the measure of population diversity is introduced into proposed

algorithm to balance the trade2off between exploration and exploitation. A function relationship between inertia weight

and the measure of population diversity is established by analyzing the dynamically relationship between them , which

is embedded into the algorithm. The simulation results show that the algorithm has better probability of finding global

optimum and mean best value , especially for multimodal function.

行以及适合计算机编程处理等优点 ,一提出就受到

广泛关注 ,目前已成功应用于函数优化、神经网络训

练及系统控制等领域

其算法的探索能力较好 ,收敛速度较快 ,但也存在易

陷入局部最优的问题 ,对于复杂问题的开发能力较

弱 ,在后期进化中很难获得更精确的解. 在 PSO 中

可使用惯性权重来改善算法的性能 ,很多学者在这

避免陷入局部最优. [6 ]提出利用进化过程中粒子适

应度的差异来评价种群的早熟收敛程度 ,然后动态

地改变惯性权重 ,仿真结果表明能取得较好的效果.

本文则提出一种基于种群多样性测度动态改变惯性

权重的自适应粒子群算法. 仿真结果表明 ,该算法具

有很强的全局探索和局部开发的能力.