融合Rosenbrock搜索法的混合粒子群算法

摘要

为克服粒子群算法在处理复杂高维问题时易陷入局部最优及寻优精度低等缺陷,提出一种融合Rosen-brock搜索法的混合粒子群算法.首先,利用Tent混沌序列进行种群初始化;其次,采用去速度项的简化粒子群公式提高收敛速度并对个体极值加入扰动,增强粒子种群多样性;最后,当全局最优个体更新停滞时,利用Rosenbrock搜索法对全局最优个体进行局部搜索,提高解的精度.利用8个常用基准测试函数分别对30维和50维问题进行实验,证实该算法可寻到病态函数Rosenbrock全局最优值,且比其它7个函数的寻优精度提高10-2数量级.实验证明该算法收敛速度快,解的精度高,全局搜索能力强,寻优能力明显提高.