吳昌友，王福林，馬　力
東北農業大學工程學院，黑龍江哈爾濱

摘　　　要：在現有文獻研究的基礎上，首先闡述標準粒子群優化算法的基本原理，并對它加以分析，指出標準粒子群優化算法初始粒子種群的產生速度慢、在優化過程中容易陷入局部較優等缺點，然后對其缺點進行改進，將改進的粒子群優化算法和標準粒子群優化算法進行實驗對比分析研究，從實驗結果中可知，改進粒子群優化算法在收斂速度及收斂精度上都明顯好于標準粒子群優化方法。

關　鍵　詞：粒子群優化算法；變異；收斂速度

１　引　言
粒子群優化算法（ＰａｒｔｉｃｌｅＳｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）由Ｋｅｎｎｅｄｙ和Ｅｂｅｒｈａｒｔ于１９９５年提出的一種新的全局優化進化算法，其基本概念源于對鳥類捕食行為的模擬［１�玻玻荨Ｅc遺傳算法和蟻群算法相類似，ＰＳＯ算法也是一種基于群集智能的演化計算技術，作為一種高效的優化方法，該算法近年來已引起了優化及演化計算等領域的學者們的廣泛關注［３］。粒子群優化算法與其他的進化算法相比，粒子群優化算法簡單通用、調整參數少、容易實現，具有較強的全局收斂能力和魯棒性，且不需要借助問題的特征信息，非常適于對復雜環境中的優化問題的求解。雖然粒子群優化算法存在著許多優點，同時也存在著易陷入局部較優，進化后期收斂速度慢，精度較差等缺點［４］。為了克服粒子群優化算法的這些缺點，研究人員提出了許多改進的粒子群算法，如李季等提出的交叉粒子群算法，呂振肅等提出的自適應變異的粒子群優化算法，高鷹等提出的免疫粒子群算法等，這些算法從不同方面對粒子群優化算法進行了改進，不同程度地提高了算法的收斂速度和精度［４�玻梗荨１疚膶�標準粒子群算法的缺點進行了改進，提出了一種新的改進粒子群優化算法。并將改進的ＰＳＯ算法與標準ＰＳＯ算法進行實驗對比分析，從實驗結果上可以看出，改進的ＰＳＯ算法能夠取得較好的優化性能，全局收斂性得到顯著提高。

登錄網站后可下載文件