群活性反馈的变异自适应分数阶粒子群优化

摘要

针对传统分数阶粒子群优化(FOPSO)在算法综合性能上依赖于分数阶次α,易陷入早熟收敛,为此提出一种基于群活性反馈的S型自适应分数阶粒子群方法(SFOPSO),即根据种群活性以及粒子个体的活跃程度自适应动态调整每个粒子的分数阶次α,使种群在搜索过程中保持较好的稳定性与多样性;同时设计了一种混合变异机制以提升种群在探索期和开发期跳出局部最优的能力.理论分析证明了提出的算法SFOPSO的收敛性,实验选取6个不同特征的基准优化函数进行测试,结果证明了所提出SFOPSO算法的可行性和有效性,5种方法性能比较分析表明,SFOPSO具有更好的收敛精度和收敛速度.