复合粒子群算法及其在动态环境中的应用

针对粒子群算法在求解动态优化问题时存在多样性缺失和搜索效率低的问题,模拟物理学中复合粒子的构成机理,提出了复合粒子群优化算法.通过对复合粒子进行构造、自调整、整体迁移等操作,使粒子充分结合其它粒子在进化中有价值的信息,并提出异速度映射机制,使粒子以较快的速度跟踪最优点的变化轨迹,保持群体多样性的同时兼顾了寻优速度.算法应用于两种动态测试函数中,取得了满意的结果.

动态环境下带有非线性效应的复合粒子群优化算法

针对粒子群优化算法在求解动态优化问题存在多样性缺失,寻优速度慢等缺陷,借鉴物理学中的非线性复合效应,本文提出带有非线性效应的复合粒子群优化算法,该算法利用复合材料的相乘效应根据粒子的相似性,基于"最坏优先"规则将种群划分成若干复合粒子.为使种群迅速地在动态环境中找到最优解,利用复合材料的共振效应,成员粒子通过自适应异速度映射机制整合有价值信息.为提高种群的多样性,利用复合材料的诱导效应,引入复合粒子的整体运动策略.最后通过动态标准测试问题实验对相关参数设置进行了分析,并与其他几种粒子群算法相比较,验证了该算法在动态环境中的有效性.