计算机工程与应用
www.ceaj.org
2018，54（9）
1 引言
PSO 算法是一种寻优算法，于 1995年由 Eberhart和
Kennedy 首次提出
[1-2]
。它源于模拟鱼类和鸟类的寻食
行为
[3]
。PSO 算法具有操作简单、鲁棒性强和易于实现
等优点，优化性能较好，常用于解决多峰值、不可微和非
线性等问题，并在工程和科学领域得到广泛应用，如函
数优化
[4]
、排列
[5]
和神经网络
[6]
等。
虽然 PSO 算法优化性能较好，但是在寻优求解进程
中，不能很好地平衡粒子的搜索行为，存在易陷入局部
极值的缺陷。对此，研究人员提出了诸多改进方法，主
要分为以下两类：第一类是在 PSO 算法速度迭代公式中
增加惯性权重
ω
，以更好地平衡粒子的搜索行为。近年
来，研究人员对惯性权重进行了广泛研究
[7-10]
。例如，文
献[7-8]提出惯性权重线性减少方法，以提高寻优性能，
并被广泛应用，称之为标准 PSO 算法。但在该算法中，
如果粒子在寻优初期搜索到的位置不够好，易陷入局部
极值。文献[9-10]对惯性权重采用指数减少方法，减少
了算法陷入局部极值的概率。另一类是引入其他优化
一种新的自适应惯性权重混沌 PSO算法
李龙澍
1，2
，张效见
2
LI Longshu
1，2
, ZHANG Xia ojian
2
1.安徽大学 计算智能与信号处理教育部重点实验室，合肥 230039
2.安徽大学 计算机科学与技术学院，合肥 230601
1.Key Laboratory of Intelligent Computing and Signal Processi ng, Anhui University, Hefei 230039, China
2.S cho ol of Computer Science and Technology, Anhui Unive rsity, Hefei 230601, Chi na
LI Lon gshu, ZHANG Xiaojian. New chaos particle swarm optimization based on ad ap tive inertia weight. Computer
Engineeri ng and Applica tions, 2018, 54（9）：139-144.
Ab stract：Particle Swarm Optimization（PSO）is easy to fall int o the local optimal value. According to this disadvantage,
a New Chaos Particle Swarm Optimization based on Adaptive Inertia Weight（CPSO-NAIW）is proposed. Firstly, the ne w
i nertia weight adaptive method is used to make a balance between the global and local search of the particles. It can
reduce the probability of particles trap in local optimal. Then, when the algorithm falls into local optima l value, the s trategy
of chaos optimization is introduced to adjust the position of the populati on’s extreme value so that the particles can s earch
the new neighorhood and p ath. The probab ili ty of getting rid of th e local extremum is increa seed. Finally, the experimental
results show that the CPSO -NAIW algorithm can avo id the local optimal a nd improve the perform anc e of the algorithm
effectively.
Key words：par ticle swarm op timization; adaptive inerti a weight; chaos; local extreme value
摘 要：针对粒子群算法（Part icle Swarm Optimization，PSO）易陷入局部极值的缺陷，提出了一种新的自适应惯性
权重混沌 PSO算法（a New Chaos Particle Swarm Optimization based on Adaptive Inertia Weight，CPSO-NAIW）。首
先采用新的惯性权重自适应方法，很好地平衡粒子的搜索行为，减少算法陷入局部极值的概率，然后在算法陷入局
部极值时，引入混沌优化策略，对群体极值位置进行调整，以使粒子搜索新的邻域和路径，增加算法摆脱局部极值的
可能。最后，实验结果表明，CPSO-NAIW 算法能有效避免陷入局部极值，提高算法性能。
关键词：粒子群 ；自适应惯性权重；混沌；局部极值
文献标志码：A 中图分类号：TP301.6 doi：10.3778/j.issn.1002-8 331.1612-0093
基金项目：青年科学基金项目（No.61402005）。
作者简介：李龙澍（1956—），男，教授，博士生导师，研究领域为智能软件、不精确信息处理技术，E-m ail：lilongshu@126.com；张效
见（1990—），男，硕士研究生，研究领域为机器博弈。
收稿日期：2016-12-07 修回日期：2017-01-23 文章编号：1002-8331（2018）09-013 9-06
CN KI网络出版：2017-04-01, h ttp://kns.cnki.net/kcms/detai l/11.2127.TP.20170401.0839.016.html
Computer Engineering and Applications计算机工程与应用
139
资源评论
weixin_38743481
- 粉丝: 696
- 资源: 4万+
最新资源
- 全球干旱数据集【自校准帕尔默干旱程度指数scPDSI】-190101-202312-0.5x0.5
- 基于Python实现的VAE（变分自编码器）训练算法源代码+使用说明
- 全球干旱数据集【标准化降水蒸发指数SPEI-12】-190101-202312-0.5x0.5
- C语言小游戏-五子棋-详细代码可运行
- 全球干旱数据集【标准化降水蒸发指数SPEI-03】-190101-202312-0.5x0.5
- spring boot aop记录修改前后的值demo
- 全球干旱数据集【标准化降水蒸发指数SPEI-01】-190101-202312-0.5x0.5
- ActiveReports
- vgbvdsbnjkbfnb
- effsefefeffsfwfse
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
