粒子群优化算法的概率特性分析及算法改进

申元霞^1,2,3，王国胤^1,2

1. 西南交通大学信息科学与技术学院2. 重庆邮电大学计算机科学与技术研究所3. 重庆文理学院计算机学院

摘 要：群体多样性的丧失是导致粒子群优化(PSO)出现早期收敛的重要原因,鉴于此,对PSO运动方程进行概率特性分析,指出了方程中学习参数的概率分布及参数间的相依性与群体多样性丧失之间的关系,并提出了一种自适应学习的PSO算法.该算法通过调整学习参数的概率特性来保持种群多样性,同时设计了随进化状态自适应变化的学习参数来协调粒子的全局与局部搜索能力.实验结果表明,自适应学习的PSO算法提高了收敛的精度,有效避免了早期收敛.

关键词：粒子群优化算法;早期收敛;概率特性;群体多样性;