基于相似度模型的多模態(tài)粒子群優(yōu)化算法研究.pdf

1、在現(xiàn)實(shí)世界中，多模態(tài)函數(shù)優(yōu)化問(wèn)題大量存在。然而，大部分已經(jīng)存在的多模態(tài)優(yōu)化算法都面臨著依賴小生境參數(shù)、處理高維復(fù)雜問(wèn)題性能差等缺點(diǎn)。針對(duì)這些缺點(diǎn)，本文提出了適應(yīng)度-距離相似度模型，并依據(jù)此模型提出了一種新的多模態(tài)粒子群優(yōu)化算法——FDPSO。
　　FDPSO引入了數(shù)據(jù)挖掘中聚類算法的逆過(guò)程來(lái)保證相似度小的個(gè)體不屬于同一類。在FDPSO中，每個(gè)粒子找到與其具有最小相似度的粒子，在進(jìn)化中保證這兩個(gè)粒子不屬于同一個(gè)小生境。初始狀態(tài)，整個(gè)

2、種群中的所有粒子都屬于同一個(gè)小生境，隨著種群的進(jìn)化過(guò)程，種群被自動(dòng)劃分成若干個(gè)子種群并行進(jìn)行搜索。另外，為了解決早熟問(wèn)題，該優(yōu)化算法為每個(gè)粒子保存了一個(gè)計(jì)數(shù)器(c)，該計(jì)數(shù)器用來(lái)記錄粒子的個(gè)體最佳位置（pbest）已經(jīng)連續(xù)多少代沒(méi)有更新，當(dāng)計(jì)數(shù)器的值大于14，那么這個(gè)粒子很可能已經(jīng)陷入局部極值點(diǎn)，該粒子將被重新初始化;與此同時(shí)，當(dāng)某個(gè)小生境中表現(xiàn)最好的粒子的計(jì)數(shù)器大于14，說(shuō)明這個(gè)小生境很可能陷入到局部極值點(diǎn)，這個(gè)小生境中的所有粒子同樣

3、將被重新初始化去搜索其他極值點(diǎn)。實(shí)驗(yàn)結(jié)果表明:對(duì)于低維簡(jiǎn)單測(cè)試函數(shù)，F(xiàn)DPSO可以取得與ANPSO和rpso同樣高的成功率，并且FDPSO需要的平均評(píng)估次數(shù)更少。對(duì)于高維復(fù)雜函數(shù)，F(xiàn)DPSO可以達(dá)到更高的成功率，并且確定更多的全局極值點(diǎn)，甚至使用更少的種群大小，F(xiàn)DPSO同樣具有很好的性能，這意味著FDPSO比其他優(yōu)化算法有更加持續(xù)的性能。因此，F(xiàn)DPSO對(duì)于多模態(tài)函數(shù)優(yōu)化是一個(gè)很好的選擇，這也意味著FDPSO可以在現(xiàn)實(shí)世界中廣泛應(yīng)用。