一种基于进化的自适应卡尔曼修正粒子群优化算法

摘要

文章提出了一种新的基于达尔文进化的自适应卡尔曼修正粒子群优化算法(AKDPSO,Adaptive Kalman correction Darwin Particle Swarm Optimization).卡尔曼修正机制能够利用种群粒子位置更新过程的相关信息提高算法搜索速度.作者使用了一种基于子梯度计算的方法来自适应地调整算法的系数,在每次迭代后算法根据卡尔曼修正机制调整全局最优点的位置,这样的调整能够显著地提升算法在搜索空间中的搜索效率和收敛率.同时,为了克服早熟收敛的问题,AK-DPSO采取了基于自然选择的达尔文进化机制,通过多个子群的自然进化增强粒子群的多样性,从而避免算法陷入局部最优点.作者进行了一系列的试验,试验结果证明本文算法能够在多个性能指标上达到或者超过现有粒子群优化算法的水平.