基于PSO算法的SOR最优松弛因子选取研究

作     者：薛丹 姚若侠 XUE Dan;YAO Ruo-xia

作者机构：陕西师范大学计算机科学学院陕西西安710119 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2020年第30卷第12期

页      面：15-20页

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(11471004 61673251) 

主　　题：粒子群优化算法 简化粒子群优化算法 带极值扰动粒子群优化算法 SOR迭代法 最优松弛因子 

摘      要：目前选取逐次超松弛迭代法(SOR)最优松弛因子的基本思路是:在区间(0,2)上,根据确定的分割策略,选取分割点的值作为松弛因子来计算相应的SOR迭代次数,将小于预设的SOR迭代次数阈值的松弛因子作为最优解返回,例如二分比较法、黄金分割法、逐步搜索法等,其缺陷在于不易找到全局最优松弛因子且对参数依赖较大。为克服传统策略解决该问题的不足,受粒子群优化算法及其在不同场景成功应用的启发,提出利用基本粒子群优化算法(bPSO)、简化粒子群优化算法(sPSO)、带极值扰动粒子群优化算法(tPSO)和带极值扰动的简化粒子群优化算法(tsPSO)来搜索SOR迭代法最优松弛因子。通过对两个不同的线性方程组的实证测试,验证了四种算法在选取SOR最优松弛因子问题上的有效性。