基于动态权值的粒子群算法的多样性分析

石油化工高等学校学报 ›› 2008, Vol. 21 ›› Issue (4): 91-94.

基于动态权值的粒子群算法的多样性分析

朱培逸¹ , 张宇林²

1 .常熟理工学院自动化系, 江苏常熟215500 ;　2 .淮阴工学院电信系, 江苏淮安223003

收稿日期:2008-04-25 出版日期:2008-12-20 发布日期:2017-07-05
作者简介:朱培逸(1980 -), 男, 安徽安庆市, 硕士
基金资助:
国家自然科学基金项目(60474030);江苏省教育
厅项目(07KJB510001)

Research on Diversity of Particle Swarm Optimization Algorithm Based on Dynamic Weight

ZHU Pei-yi¹, ZHANG Yu-lin²

(1. Department of Automation, Changshu Institute of Technology, Changshu Jiangsu 215500, P. R.China; 2. Department of Electric Information Engineering; Huaiyin Institute of Technology; Huaian Jiangsu 223003,P. R. China)

Received:2008-04-25 Published:2008-12-20 Online:2017-07-05

摘要/Abstract

摘要： 种群的多样性是保证粒子群优化算法收敛的前提条件, 基于此提出了一个概念清晰、运算量小的多
样性定义, 并从粒子在寻优过程中粒子聚合程度和速度进化程度出发分析粒子群的多样性。在此基础上, 提出了一
种基于动态权值的改进算法, 算法能自适应的调整惯性因子以保持种群多样性, 有效地避免了早熟收敛。仿真实验
表明该算法不仅能加快种群的进化速度, 而且还能增强算法的全局收敛性, 收敛概率也从15 %增加到100%。

关键词: 多样性 , 粒子群算法 , 动态权值 , 早熟

Abstract: Stocks diversity is the precondition for ensuring the convergence of PSO algorithm. The definition of stocks diversity is clear and the operand is small, moreover which was analyzed by particle evolution degree and aggregation degree. A changed algorithm was proposed based on adjusting weight adaptively. The algorithm ensures population diversity and avoids premature convergence effectively. Simulation results indicate that this algorithm not only speeds up the population the evolution speed, but also strengthens the algorithm the overall situation astringency, and convergence of probability also increases from 15% to 100%.

Key words: Diversity , Particle swarm optimization algorithm , Dynamic weight , Premature 

朱培逸1, 张宇林. 基于动态权值的粒子群算法的多样性分析[J]. 石油化工高等学校学报, 2008, 21(4): 91-94.

ZHU Pei-yi, ZHANG Yu-lin. Research on Diversity of Particle Swarm Optimization Algorithm Based on Dynamic Weight[J]. Journal of Petrochemical Universities, 2008, 21(4): 91-94.

[1]	赵中汀, 李爽, 朱春昀, 马会强. 功能菌群对柴油污染土壤的修复及菌群演替特性[J]. 石油化工高等学校学报, 2023, 36(4): 20-24.
[2]	李雨, 侯磊, 徐磊, 白小众, 刘金海, 孙欣, 谷文渊. 基于混合BP神经网络的原油管道电耗预测研究[J]. 石油化工高等学校学报, 2022, 35(2): 68-73.
[3]	李传宪, 刘定宏, 李剑, 朱浩然, 路太辉, 何伟光. 基于优化BP网络的液体管道工况识别方法研究[J]. 石油化工高等学校学报, 2018, 31(6): 73-81.
[4]	吴迪, 胡鹏, 林笑旭, 姚宗信. 高超声速飞行器单周期飞行轨迹优化研究[J]. 石油化工高等学校学报, 2007, 20(3): 37-40.
[5]	常晓萍, 秦建华, YigongLOU. 粒子群算法在化工过程优化中的应用[J]. 石油化工高等学校学报, 2007, 20(1): 90-93.