具有动态子空间的随机单维变异粒子群算法

传统粒子群算法采用整体维度更新策略,常因某一维或某几维未达到最优解,导致粒子适应值变差。针对此问题,提出具有动态子空间的随机单维变异粒子群优化算法,从优质粒子全维空间中,构造动态子空间,并随机选择异于子空间的一维进行变异。子空间大小动态变化:前期选取多数维度组成子空间,增大变异维度的多样性;后期选取少数维度组成子空间,增强粒子精细搜索的能力。同时,根据Pareto定律,使种群在前期20%迭代次数内,探索新解空间区域,后期80%迭代次数内,进行有效的平衡搜索,加快种群收敛速度。使用多类型基准测试函数,在30、50和100维下进行仿真实验,结果表明,该算法在收敛速度和精度上,不仅优于新改进的粒子群算法,而且优于新改进的人工蜂群算法和萤火虫算法。