一种包括独立全局搜索的两阶段粒子群优化算法

摘要

本发明公开了一种包括独立全局搜索的两阶段粒子群优化算法；它包括步骤，种群初始化；采用混沌化方法对粒子的位置X和速度V进行初始化；利用适应度函数fitness计算当前所有粒子的适应值，初始化每个粒子的历史最优位置pbesti和所有粒子的全局最优位置gbest；进行第一阶段迭代-全局搜索；进行第二阶段迭代-局部搜索。本发明的有益效果：第一阶段迭代-全局搜索的每次迭代，粒子是在所有粒子中随机选取一个非自身的粒子进行学，这种随机选取就保证了群体不会跟踪特定的粒子，也就保证了不会出现聚集现象。第二阶段迭代-局部搜索能很快收敛并能得到精度很高的解，最优解的精度得到提高，并且显著的改善了“早熟”缺陷。

主权项

一种包括独立全局搜索的两阶段粒子群优化算法，其包括以下步骤：(1)种群初始化；(2)采用混沌化方法对粒子的位置X和速度进行初始化；(3)利用适应度函数fitness计算当前所有粒子的适应值，并令pbest_i＝x_i，gbest＝x_pbestmin，即初始化每个粒子的历史最优位置pbest_i和所有粒子的全局最优位置gbest，其中，i为粒子的序号；(4)进行第一阶段迭代‑全局搜索，通过随机选取粒子进行学习，计算适应值，如果优于自身的历史最优值则对适应值进行更新；(5)判断第一阶段迭代‑全局搜索是否结束；如果第一阶段迭代‑全局搜索迭代结束得到X、V的较优解，进行第二阶段迭代‑局部搜索，否则继续进行迭代；(6)终止第一阶段迭代‑全局搜索后，进行第二阶段迭代‑局部搜索；(7)判断第二阶段迭代‑局部搜索是否结束，达到第二阶段迭代‑局部搜索结束的要求则本算法结束，得到X、V的最优解，否则继续进行第二阶段迭代‑局部搜索，直到达到第二阶段迭代‑局部搜索结束的要求。