混沌粒子群优化算法.pdf

....混沌粒子群优化算法¨计算机科学2004V01．31N-o．8高鹰h2胜利1(华南理工大学电子与信息学院510641)1(大学信息机电学院计算机科学与技术系510405)2摘要粒子群优化算法是一种新的随机全局优化进化算法。本文把混沌手优思想引入到粒子群优化算法中，这种方法利用混沌运动的随机性、遍历性和规律性等特性首先对当前粒子群体中的最优粒子进行混池寻优，然后把混沌寻优的结果随机替换粒子群体中的一个粒子。通过这种处理使得粒子群体的进化速度加快t从而改善了粒子群优化算法摆脱局部极值点的能力，提高了算法的收敛速度和精度。仿真结果表明混沌粒子群优化算法的收敛性能明显优于粒子群优化算法。关键词粒子群优化算法。混沌手优，优化’ChaosParticleSwarmOptimizationAlgorithmGAOYin91”XIESheng—Lil(CollegeofElectronic＆InformationEngineeringtSouthChinaUniversityofTechnology，Guangzhou510641)1(Dept．ofComputerScienceandTechnology．GuangzhouUniversity·Guangzhou510405)2AbstractParticleswarmoptimizationisanewstochasticglobaloptimizationevolutionaryalgorithm．Inthispaper，thechaoticsearchisembeddedintooriginalparticleswarmoptimizers．Basedontheergodicity，stochasticpropertyand.........regularityofchaos，flnewsuperiorindividualisreproducedbychaoticsearchingonthecurrentglobalbestindivid—ual。andastochasticselectedindividualfromthecurrent“population”isreplacedbythenewsuperiorindividual．TheparticleswarmoptimizationembeddedchaoticsearchquicIcenstheevolutionprocess，andimprovestheabilitiesofseekingtheglobalexcellentresultandconvergencespeedandaccuracy．Theexperimentresultsdemonstratethattheproposedalgorithmsaresuperiortooriginalparticleswarmoptimizationalgorithms．KeywordsParticleswarmoptimization，Chaoticsearch，0ptimization1引言.........Kennedy和EberhartE“钉于1995年提出的粒子群优化算法是一种基于群智能的随机优化进化算法。同遗传算法类似，是一种基予群体的具有全局寻优能力的优化工具。但它没有遗传算法中用的交叉以及变异等复杂的遗传操作，其优势在于简单、易于实现同时又有深刻的智能背景，既适合科学研究。又特别适合工程应用。自从粒子群优化算法提出以来，一直受到计算智能等领域的研究人员的广泛关注，在短短的几年时间里取得了丰硕的研究成果[2““。然而，Kennedy等人提出的粒子群优化算法亦有其不足：易陷入局部极值点，进化后期收敛速度慢，精度较差等。为了克服粒子群优化算法的这些不足，研究人员提出了许多改进的粒子群优化算法，如：1998年ShiY提出的带惯性因子的粒子群优化算法[3]，随后于2001年给出的模糊自适应粒子群优化算法“1；为控制粒子的飞行速度，ClercM于1999年提出的带约束因子的粒子群优化算法[53；借鉴遗传算法的思想，AngelineP．(1998)提出了杂交粒子群优化算法口]，之后，LovbjergM(2001)给出了具有繁殖和子群的粒子群优化算法[7]，2003年Natsuki又给出的具有高斯变异的粒子群优化算法[83；为使粒子群优化算法更易跳出局部极值点，Van(2001)给出了协同粒子群优化算法‘“”]；文[11，123(1997，2000)对粒子群优化算法进行了扩展而提出了离散粒子群优化算法等。这些算法从不同方面对粒子群优化算法进行了改进，不同程度地提高了算法的收敛速度和精度，但效果并不是非常理想。混沌(Chaos)是自然界中一种常见的非线性现象。混沌变量看似杂