一种改进粒子群算法的方法技术

本发明专利技术属于进化算法技术领域，具体涉及一种改进粒子群算法的方法。由于粒子群算法有前期收敛速度快后期收敛速度慢的缺点，这就使得粒子无法全面的搜索整个空间。针对粒子群算法的这个缺点，本发明专利技术改进粒子群算法中的速度更新方式，在原来的速度更新公式中引入一个压缩因子λ。压缩因子λ的引入可以控制粒子群算法的收敛，使得粒子有机会搜索空间中不同的区域，并获得高质量的粒子。改进后的方法可以有效的提高算法的收敛速度和全局搜索能力。

A Method of Improving Particle Swarm Optimization

The invention belongs to the technical field of evolutionary algorithm, in particular to a method for improving particle swarm optimization. Particle swarm optimization (PSO) has the disadvantage of fast convergence in the early stage and slow convergence in the late stage, which makes it impossible for particles to search the whole space comprehensively. In view of this shortcoming of particle swarm optimization, the present invention improves the speed update method in particle swarm optimization, and introduces a compression factor lambda into the original speed update formula. The introduction of compression factor lambda can control the convergence of particle swarm optimization (PSO) algorithm, so that particles have the opportunity to search different regions in space and obtain high-quality particles. The improved method can effectively improve the convergence speed and global search ability of the algorithm.

【技术实现步骤摘要】
一种改进粒子群算法的方法
本专利技术属于进化算法
，具体涉及一种改进粒子群算法的方法。
技术介绍
二十世纪末，粒子群优化算法由Eberhart博士和Kennedy博士提出的一种基于群体智能的随机优化方法，具有简单、高效、收敛速度快的特点。它模拟的是一个经过简化的鸟类群体运动的模型。该算法将每只鸟比作一个粒子，根据鸟类种群中各个粒子之间的合作和相互学习，最终达到算法优化的目的。在粒子群优化算法中，需要被优化的问题的解抽象为粒子,粒子通过不断地向种群中的最优解及其自身经历过的最优解学习,不断被优化进而找到最优解。由于粒子群算法具备原理简单、可调整参数较少、易于实现、智能化、并行性等优点，所以提出后迅速引起了学者们的广泛关注，并在现实问题优化中得到广泛应用。同时，由于PSO算法存在早熟收敛、维数灾难、易于陷入局部极值等问题，针对粒子群算法容易出现局部极值，进化后期收敛速度慢和精度低的问题，引入一个压缩因子对标准粒子群算法进行改进，可以有效提高粒子群算法的效率及精确度。
技术实现思路
本专利技术的目的是在标准粒子群算法的基础上，针对粒子群算法的缺陷，对标准粒子群算法进行改进，提高粒子群算法本文档来自技高网...

【技术保护点】
1.一种改进粒子群算法的方法，其特征在于，包括以下步骤：步骤1：初始化每个粒子的位置矢量Xi和速度矢量Vi，每个粒子的位置、速度均在其范围内进行随机赋值，设置与算法有关的参数：种群数目NP、搜索空间的维数D、粒子位置的范围、速度的范围、最大迭代数T、惯性权重w和学习因子c1、c2；步骤2：设置粒子自身最优解pbest为粒子的当前位置，设置初始种群中最优解为gbest；步骤3：根据速度更新公式和位置更新公式对粒子进行更新；步骤4：判断是否达到了迭代次数，若达到迭代次数转到步骤5；若没有达到迭代次数，迭代次数加1，转到步骤3；步骤5：输出gbest，算法结束。

【技术特征摘要】
1.一种改进粒子群算法的方法，其特征在于，包括以下步骤：步骤1：初始化每个粒子的位置矢量Xi和速度矢量Vi，每个粒子的位置、速度均在其范围内进行随机赋值，设置与算法有关的参数：种群数目NP、搜索空间的维数D、粒子位置的范围、速度的范围、最大迭代数T、惯性权重w和学习因子c1、c2；步骤2：设置粒子自身最优解pbest为粒子的当前位置，设置初始种群中最优解为gbest；步骤3：根据速度更新公式和位置更新公式对粒子进行更新；步骤4：判断是否达到了迭代次数，若达到迭代次数转到步骤5；若没有达到迭代次数，迭代次数加1，转到步骤3；步骤5：输出gbest，算法结束。2.根据权利要求1所述的一种改进粒子群算法的方法，其特...

【专利技术属性】
技术研发人员：李静梅，韩俊妍，吕图，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23