基于混沌思想的粒子群函數(shù)優(yōu)化.pdf

1、粒子群優(yōu)化算法是繼蟻群算法提出之后的又一種新的進化優(yōu)化算法，因其算法簡單、效率高的特點已經(jīng)成功應(yīng)用于許多優(yōu)化問題。但是，標準粒子群優(yōu)化算法在處理高維復(fù)雜函數(shù)時存在收斂速度慢、易陷入局部極小等問題。
　　 本文在總結(jié)對粒子群優(yōu)化算法（PSO）主要研究成果基礎(chǔ)上，將混沌融入到自適應(yīng)粒子群算法提出了混沌自適應(yīng)粒子群算法（CAPSO）。該算法利用了混沌運動的遍歷性、隨機性以及對初值的敏感性等特性代替隨機數(shù)產(chǎn)生器在解空間搜索最優(yōu)解。為了提

2、高粒子群的多樣性，對性能較好的粒子使用較大的慣性權(quán)重，對性能較差的粒子采用較小的慣性權(quán)重，加速系數(shù)根據(jù)慣性權(quán)重自適應(yīng)調(diào)整。將標準PSO算法中的全局最優(yōu)位置與個體最優(yōu)位置分別替換為相關(guān)個體最優(yōu)位置的加權(quán)平均，更好地平衡了算法的全局與局部搜索能力，提高了算法的多樣性和搜索效率。根據(jù)早熟判斷機制，在自適應(yīng)粒子群算法陷入早熟時，進行群體的混沌搜索。數(shù)值仿真結(jié)果表明該算法能跳出局部最優(yōu)，進一步提高了計算精度和收斂速度，以及全局尋優(yōu)能力。