一种对引力搜索优化算法中粒子记忆性改进的方法

摘要

本发明涉及智能优化算法领域，公开了一种对粒子记忆性改进的引力搜索优化算法，主要包括以下几个步骤：步骤一：对于每个粒子，将其当前位置的适应值与其个体在运动历史过程中最好位置的适应值进行比较，若当前位置的适应值优于其个体在运动历史过程中最好位置的适应值，则将当前的位置值赋予个体最好位置值。步骤二：对于每个粒子，将其当前位置的适应值与粒子群体所经历全局最好位置的适应值，则将当前的位置值赋予全局最好位置值。步骤三：将粒子个体最优解和全局最优解引入到粒子速度更新公式中，修正粒子的速度更新公式，并且引入协调因子的概念，用于调整所记忆的历史信息在优化过程中的影响比例。本发明改善了算法中粒子的记忆性，提高了算法的搜索能力。

主权项

1.一种对引力搜索优化算法中粒子记忆性改进的方法，其特征在于：把粒子运动历史最优解进行记忆保存的思想引入到引力搜索算法中，对引力搜索算法中粒子的记忆能力进行改进，能够记忆自身运动过程中的最优解和全局最优解。以此改进粒子在演化过程的速度更新方式，提高算法的搜索能力。带记忆的粒子速度更新公式为：$V_i^d(t+1)={\mathrm{rand}}_1*V_i^d\left(t\right)+c_1*{\mathrm{rand}}_2*({\mathrm{Pbest}}_i^d\left(t\right)-X_i^d\left(t\right))+$$c_2*{\mathrm{rand}}_3*({\mathrm{gbest}}_i^d\left(t\right)-X_i^d\left(t\right))+a_i^d\left(t\right)$其中，是粒子i在d维空间中t时刻的速度，粒子i在d维空间中t时刻所记忆的自身历史最优解，是粒子i在d维空间中t时刻所记忆的全局历史最优解，是指粒子i在d维空间中t时刻的位置信息，是粒子i在d维空间中t时刻的加速度，rand₁、rand₂和rand₃是(0，1)间均匀分布的相互独立的随机数序列，参数c₁和c₂可以定义为协调因子，c₁和c₂取值在0到1之间(不包括0和1)。