基于异构多种群策略的动态概率粒子群优化算法

作     者：倪庆剑 邓建明 邢汉承 NI Qing-Jian;DENG Jian-Ming;XING Han-Cheng

作者机构：东南大学计算机科学与工程学院南京211189 苏州大学江苏省计算机信息处理技术重点实验室苏州215006 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2014年第27卷第2期

页      面：146-152页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(No.61170164) 

主　　题：粒子群优化算法( PSO) 动态概率粒子群优化算法( DPPSO) 多种群策略 Particle Swarm Optimization ( PSO ) Dynamic Probabilistic Particle Swarm Optimization ( DPPSO) 

摘      要：结合动态概率粒子群优化算法(DPPSO)特点,针对传统的单种群粒子群优化算法易陷入局部最优、收敛速度较慢的缺点,文中提出一种基于异构多种群策略的DPPSO.该算法在进化过程中保持多个子种群,每个子种群以不同的DPPSO变体进行进化,子种群之间根据一定规律进行通信,从而保持整个种群内部的信息交流,进而协调DPPSO的勘探和开采能力.通过典型的Benchmark函数优化问题测试并分析基于异构多种群策略的DPPSO性能,结果显示,使用该策略的算法收敛速度较快,稳定性有较显著提高,具有较强的全局搜索能力.