作        者：江善和，王其申，江巨浪
（安慶師范學院物理與電氣工程學院）

摘　　　要：針對依靠經驗和試驗來確定粒子群優化算法中的參數設定方法存在試驗工作量大且難以得到較優的參數組合的問題，提出了一種改進的粒子群算法，該算法利用均勻設計的思想設定算法的較優組合參數，把參數設定問題描述為均勻試驗設計中多因素多水平優化
設計問題，從而能夠以較少試驗很快設定算法參數的取值，以使算法獲得較優性能。仿真試驗表明，利用均勻設計得到的參數組合可使粒子群算法獲得穩健和高效的優化效果，說明了該方法的可行性和有效性，且可以推廣到其他算法參數的設定。

關　鍵　詞：粒子群算法；均勻設計；參數設定

引　      言：粒子群優化（ＰａｒｔｉｃｌｅＳｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）算法是由ＫｅｎｎｅｄｙＪ和ＥｂｅｒｈａｒｔＲＣ于１９９５年提出的一種新型智能計算方法［１］，并在多峰函數優化、多目標優化、神經網絡訓練、控制系統等領域得到充分應用［２�玻矗荨Ｒ虼耍�ＰＳＯ已成為解決復雜優化問題的有效技術，吸引了眾多研究者的關注，新模型、新方法、新應用層出不窮［５］。雖然粒子群算法發展迅速并取得了可觀的研究成果，但其算法模型中的關鍵參數設置和優化還缺乏成熟的理論指導和研究，目前比較通用的方法是經驗法和試探法。文獻［６］通過大量試驗分析了加速因子對算法收斂性能的影響；文獻［７�玻福堇�用統計方法總結了算法中的種群規模、慣性權值、粒子速度的選擇方法對算法整體性能的影響效果。但上述研究都是針對具體的研究對象或考察單一參數的設定，實際上算法中參數之間是相互聯系、相互耦合的，具有復雜的關系，僅僅依靠粗糙的選擇和單參數分析很難找到參數的較優組合，而且無法了解參數之間內在聯系。為此，本文提出將均勻設計應用于粒子群算法參數設定的方法，將算法中控制參數的設定問題描
述成多因素多水平的均勻試驗設計問題，通過較少試驗次數獲得參數的較優配置，使算法處于較優的運行狀態。

登錄網站后可下載文件