协同微粒群算法研究综述

摘要

微粒群算法(Particle Swarm Optimization,PSO)收敛速度慢,精度不高,收敛过程中降低了种群多样性,易陷入局部最优.为此,提出协同微粒群算法.协同微粒群算法采用维数划分重新组合的协同模型,收敛速度快,搜索范围大,收敛精度较高."孤岛模型"和"邻域模型"是协同微粒群算法采用较多的两种模型."孤岛模型"的协同微粒群算法要等到所有子种群全部达到更新周期后才进行比较,将此时的全局最优值作为共享信息."邻域模型"的协同微粒群算法每隔R代,相邻两个子种群之间就进行信息交换.基于"邻域模型"的协同微粒群算法收敛效率更快.为了在全局开发和局部搜索之间实现较好平衡,在协同微粒群算法基础上引入综合学习策略,以有效利用共享信息实现更好的搜索结果.