一种改进的自适应粒子群优化算法

华南理工大学学报（自然科学版） ›› 2008, Vol. 36 ›› Issue (9): 6-10.

一种改进的自适应粒子群优化算法

徐刚瞿金平杨智韬

华南理工大学聚合物新型成型装备国家工程研究中心、聚合物成型加工工程教育部重点实验室, 广东广州 510640

收稿日期:2007-08-30 修回日期:2008-01-07 出版日期:2008-09-25 发布日期:2008-09-25
通信作者: 徐刚（1974-），男，博士生，南昌大学讲师，主要从事聚合物加工过程建模优化和智能控制研究． E-mail:xgang_csu@163．com
作者简介:徐刚（1974-），男，博士生，南昌大学讲师，主要从事聚合物加工过程建模优化和智能控制研究．
基金资助:
国家自然科学基金重大项目（10472034,10590351）

An Improved Adaptive Particle Swarm Optimization Algorithm

Xu Gang Qu Jin-ping Yang Zhi-tao

National Engineering Research Center of Novel Equipment for Polymer Processing, Key Laboratory of Polymer Processing Engineering of the Ministry of Education, South China University of Technology, Guangzhou 510640, Guangdong, China

Received:2007-08-30 Revised:2008-01-07 Online:2008-09-25 Published:2008-09-25
Contact: 徐刚（1974-），男，博士生，南昌大学讲师，主要从事聚合物加工过程建模优化和智能控制研究． E-mail:xgang_csu@163．com
About author:徐刚（1974-），男，博士生，南昌大学讲师，主要从事聚合物加工过程建模优化和智能控制研究．
Supported by:
国家自然科学基金重大项目（10472034,10590351）

摘要/Abstract

摘要： 针对粒子群优化算法中出现的对大规模问题的搜索失败，分析了粒子群优化算法的收敛性，指出了粒子速度与搜索失败的关系，提出了一种根据速度信息自适应调整参数的粒子群优化算法．在满足收敛性的条件下，该算法能使粒子根据理想速度自适应调整参数进行搜索．实验结果表明，该算法能解决基本粒子群算法在求解高维、多峰等复杂非线性优化问题时出现的易陷入局部最优和不收敛等搜索失败问题．

关键词: 粒子群优化算法, 自适应性, 平均速度

Abstract:

According to the search failure for large-scale problem via the particle swarm optimization algorithm, the convergence of particle swarm optimization algorithm is analyzed and the relationship between the particle velocity and the search failure is pointed out. Then, an adaptive parameter-adjusting particle swarm optimization algorithm according to the velocity information is put forward. Under the convergent conditions, the proposed algorithm can perform the search by adaptively adjusting the parameters according to the ideal velocity. Experimental results indicate that the proposed algorithm avoids the local optimization and divergence commonly occurred in the conventional particle swarm optimization algorithm in multi-dimension and multi-peak conditions.

Key words: particle swarm optimization algorithm, adaptability, average velocity

徐刚瞿金平杨智韬. 一种改进的自适应粒子群优化算法[J]. 华南理工大学学报（自然科学版）, 2008, 36(9): 6-10.

Xu Gang Qu Jin-ping Yang Zhi-tao. An Improved Adaptive Particle Swarm Optimization Algorithm[J]. Journal of South China University of Technology (Natural Science Edition), 2008, 36(9): 6-10.

[1]	赵强, 刘传卫, 张娜, 等. 基于粒子群优化的主动稳定杆系统自抗扰控制[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 52-61.
[2]	罗玉涛郭海文. 线控转向系统的自适应神经网络滑模控制[J]. 华南理工大学学报（自然科学版）, 2021, 49(1): 65-73.
[3]	冯佰威冯梅常海超张丽妹. 基于径向基插值的曲面变形方法在船型多目标优化中的应用[J]. 华南理工大学学报(自然科学版), 2019, 47(2): 128-136.
[4]	沃焱吴嘉茜. 基于LLE和PSO的快速虹膜图像重构算法[J]. 华南理工大学学报（自然科学版）, 2018, 46(1): 97-102.
[5]	王泽胜董宝田王爱丽. 基于自适应脉冲耦合神经网络的行人检测方法[J]. 华南理工大学学报（自然科学版）, 2017, 45(6): 74-80.
[6]	金杉金志刚刘永磊. 执勤行车时间的KMP - RBF 融合预测方法[J]. 华南理工大学学报（自然科学版）, 2017, 45(3): 35-41,47.
[7]	桂存兵谢运祥程丽王裕. 并网逆变器的改进型复合控制[J]. 华南理工大学学报（自然科学版）, 2015, 43(8): 15-20.
[8]	郑灿赫孟广伟李锋周立明孔英秀. 一种基于PSO-DE混合算法的结构可靠性优化设计[J]. 华南理工大学学报（自然科学版）, 2014, 42(9): 41-45,75.
[9]	林梅金罗飞许玉格. 基于蛙跳粒子群算法的污水生化处理优化控制[J]. 华南理工大学学报（自然科学版）, 2013, 41(9): 51-57.
[10]	章权温惠英孙博. 适于配送车辆导航路径规划的遍历模型的改进型粒子群优化算法[J]. 华南理工大学学报（自然科学版）, 2011, 39(8): 109-112,117.
[11]	孙志彬杨小礼黄阜 . 基于模糊数学和粒子群算法的边坡参数反分析[J]. 华南理工大学学报（自然科学版）, 2011, 39(6): 137-141.
[12]	杨秋平谢新连裴光石. 考虑船舶航速的船队规划非线性模型[J]. 华南理工大学学报（自然科学版）, 2011, 39(10): 119-126.
[13]	吕俊. 基于CSP-BPSO的脑-机接口电极选择[J]. 华南理工大学学报（自然科学版）, 2010, 38(10): 7-13.
[14]	张晓平刘桂雄洪晓斌刘美. 降低WSN目标失跟率的自适应采样频率方法[J]. 华南理工大学学报（自然科学版）, 2009, 37(8): 61-64，70.
[15]	温惠英李俊辉周玮明. 适于车辆路径规划的改进型粒子群优化算法[J]. 华南理工大学学报（自然科学版）, 2009, 37(7): 1-5.