基于环形邻域拓扑的自适应速度PSO算法

为克服全局粒子群优化算法易陷入局部最优的缺点,基于全局自适应速度粒子群优化(SAVPSO)算法,给出一种基于环形邻域拓扑的局部SAVPSO算法来求解约束优化问题,同时采用动态目标方法(DOM)来有效处理约束条件,并以13个经典的测试函数为例对算法的性能进行仿真实验研究。测试结果表明,与全局SAVPSO算法相比,该算法具有较强的全局寻优能力,可以较好地避免陷入局部最优;另外,粒子的邻域大小及实现形式对算法的性能均有一定的影响。

改进的人工蜂群算法求解全局优化问题

目的提出基于环形拓扑邻域的人工蜂群算法(Artificial Bee Colony Algorithm Based on Ring Topology Neighborhood,NABC)求解全局优化问题。方法基于环形拓扑邻域策略,分别提出适用于雇佣蜂和观察蜂阶段的搜索方程。前者利用邻域中最好个体信息,引导种群向精英解靠近,进而加快种群的收敛速度。后者利用种群中随机选择的个体信息,引导种群搜索更多有希望的区域,增加了种群的探索能力。结果与结论在22个标准测试函数上进行仿真实验并与其他算法进行比较,结果表明NABC算法具有优异的性能。