基于局部搜索的反向学习竞争粒子群优化算法

来源期刊：控制与决策2021年第4期

论文作者：钱晓宇 方伟

文章页码：779 - 789

关键词：粒子群优化算法;反向学习;大规模优化问题;竞争学习;局部搜索;高维优化;

摘    要：为提升粒子群优化算法在复杂优化问题,特别是高维优化问题上的优化性能,提出一种基于Solis&Wets局部搜索的反向学习竞争粒子群优化算法（solis and wets-opposition based learning competitive particle swarm optimizer with local search, SW-OBLCSO）. SW-OBLCSO算法采用竞争学习和反向学习两种学习机制,并设计了基于个体的局部搜索算子.利用10个常用基准测试函数和12个带有偏移旋转的复杂测试函数,在不同维度情况下将SW-OBLCSO算法与多种优化算法进行对比.实验结果表明,所提出算法在收敛速度和全局搜索能力上表现出突出的性能.对模糊认知图（fuzzy cognitive maps）学习问题的测试表明, SW-OBLCSO算法在处理实际问题时同样具有出色的性能.