成长性的粒子群算法及其在函数优化中的应用

针对传统粒子群优化(PSO)算法在处理复杂函数优化问题时容易陷入局部最优、迭代后期收敛速度慢的问题,提出一种具有成长特性的粒子群优化算法(GPPSO).该算法根据人类成长的特性被分为3个阶段:前期阶段,为速度更新公式增加叛逆项,以降低进入早熟收敛的概率;中期阶段,为平衡全局与局部的搜索,通过对粒子群信息的整合,为速度更新公式添加平衡项;后期阶段,在速度更新公式中去除速度项,充分利用前期粒子进化得到的经验进行局部寻优.同时给出成长阶段划分的两个依据.运用典型函数进行测试,实验表明该算法对于提高收敛性能具有明显优势.