基于聚類分析的微粒群算法研究.pdf

1、群體智能算法作為一種新興的智能計算技術(shù)已成為越來越多研究者關(guān)注的焦點(diǎn)。群體智能的概念源于對蜜蜂、螞蟻、大雁等這類群居生物群體行為的觀察和研究,通常將這樣一種模擬群居性生物中的集體智能行為的智能計算方法稱為群體智能算法。微粒群算法(簡稱PSO)是一種新型的群體智能算法,由Kennedy和Eberhart于1995年共同提出,它模擬了鳥群在空中飛行、覓食和棲息等活動。自微粒群算法提出以來,由于它概念簡單、實(shí)現(xiàn)容易、執(zhí)行速度快等優(yōu)點(diǎn),已廣泛應(yīng)

2、用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模糊系統(tǒng)控制、模式識別、信號處理以及機(jī)器人技術(shù)等領(lǐng)域,成為目前進(jìn)化計算研究的一個新熱點(diǎn)。 本文在對基本微粒群算法進(jìn)行分析的基礎(chǔ)上,針對微粒群算法中的早熟收斂問題,提出了一種能夠保證種群多樣性的微粒群算法--基于聚類分析的微粒群算法(簡稱CPSO)。該算法運(yùn)用聚類分析方法,將算法中的微粒進(jìn)行分類,根據(jù)微粒的聚類程度判斷種群多樣性,然后當(dāng)種群多樣性較差時,運(yùn)用最小-最大標(biāo)準(zhǔn)化混沌序列和隨機(jī)產(chǎn)生兩種逃逸策略

3、有選擇性地對部分微粒進(jìn)行逃逸,來增加種群的多樣性。CPSO使陷入局部最優(yōu)位置的發(fā)生停滯的微粒能夠及時跳出局部最優(yōu),進(jìn)入解空間的其它區(qū)域進(jìn)行搜索,增大了微粒種群的多樣性,克服了PSO的早熟收斂問題,大大增強(qiáng)了PSO的全局搜索能力。并從理論上證明了CPSO能夠依概率收斂于全局最優(yōu)解。最后以典型的測試優(yōu)化函數(shù)進(jìn)行了仿真實(shí)驗,驗證了CPSO的有效性。然后,將上述思想應(yīng)用于隨機(jī)微粒群算法,給出了一種基于聚類分析的隨機(jī)微粒群算法(簡稱CSPSO)。