基于TS模糊推理的粒子群算法.pdf

1、粒子群優(yōu)化算法(Particle Swarm Optimization PSO)是一種新興的群體智能優(yōu)化算法，具有分布式、協同合作性、自組織性和實現簡單等特點，這使得該算法能夠在全局信息缺乏時能夠迅速地處理各種復雜問題，也為典型的復雜性問題的求解開辟了新的途徑，但該算法在處理高維復雜問題時仍有相當大的可能陷入局部最優(yōu)，如何通過保障Exploration和Exploitation之間的均衡來加強全局搜索能力，是該領域的研究熱點和難點。

2、r>　　從兩個方面對PSO算法進行了改進，其一是基于孫俊等人的量子行為粒子群優(yōu)化算法(Quantum-behaved Particle Swarm Optimization QPSO)，提出了基于Takagi-Sugeno(TS)模糊推理的自適應量子行為粒子群優(yōu)化算法（Adaptive Quantum-behaved Particle Swarm Optimization AQPSO），在慣性權重和種群多樣性上對粒子群優(yōu)化算法進行了改進

3、。該算法利用群體分布和探索進程信息，由TS模糊推理動態(tài)地調整算法參數及其迭代方式，從而保證種群在更大的空間探索，減少陷入局部最優(yōu)的概率。其二是基于Riget等人提出的attractive and repulsive PSO(ARPSO)算法，提出了動態(tài)地調整慣性權重的算法(Dynamic attractive and repulsive PSO DARPSO)，該算法不是簡單地用線性遞減策略，而是根據粒子是收縮狀態(tài)還是擴張狀態(tài)而動態(tài)地調