信息交互與處理微粒群算法.pdf

1、微粒群算法是受自然界動物群體行為啟發(fā)而產(chǎn)生的一種群體智能優(yōu)化算法，其生物學(xué)依據(jù)是同物種間信息的交互共享有利于物種生存。但標(biāo)準(zhǔn)微粒群算法中微粒共享的信息較少，僅限于群體歷史經(jīng)驗(yàn)。因而本文借鑒被動congregation微粒群算法，通過拓展信息交互的方式，增強(qiáng)信息處理的能力，對微粒群算法的算法結(jié)構(gòu)進(jìn)行了改進(jìn)。被動congregation微粒群算法在標(biāo)準(zhǔn)微粒群算法的基礎(chǔ)上，增加一隨機(jī)選擇的微粒作為第二個共享信息來源，從而在一定程度上提高了算法

2、的效率，但由于信息的隨機(jī)性導(dǎo)致該算法不太穩(wěn)定。 本文將近鄰個體中的當(dāng)前最優(yōu)位置作為信息交互因子，然后結(jié)合環(huán)型和小世界模型將其引入標(biāo)準(zhǔn)微粒群算法中，提出了近鄰個體交互微粒群算法。該算法中的每一個體都與其近鄰個體進(jìn)行頻繁的信息交換，且近鄰成員的當(dāng)前狀態(tài)對該個體下一步運(yùn)動有顯著影響，從而較為符合生物學(xué)的研究成果。仿真實(shí)驗(yàn)表明其性能明顯優(yōu)于被動congregation微粒群算法，尤其對于多峰高維測試函數(shù)。近鄰個體交互微粒群算法通過增加鄰

3、域內(nèi)個體間的信息共享程度，能較好的提高算法性能，但個體歷史經(jīng)驗(yàn)、群體歷史經(jīng)驗(yàn)及鄰域內(nèi)當(dāng)前最優(yōu)位置的信息在某些時刻具有一定的重復(fù)，從而影響了信息的吸收。為進(jìn)一步改善近鄰個體交互微粒群算法的性能，本文以個體鄰域當(dāng)前共享信息來替代個體歷史經(jīng)驗(yàn)，僅保留群體歷史經(jīng)驗(yàn)和個體鄰域當(dāng)前位置共享信息，提出了鄰域共享微粒群算法。實(shí)驗(yàn)結(jié)果說明它能較大幅度的提高算法性能。微粒群算法模擬了鳥群、魚群等動物群體的覓食行為，而動物在覓食過程中總是傾向于以更小能量消耗