薛云燦，沈繼東，楊啟文，岳興漢
河海大學(xué) 計(jì)算機(jī)與信息學(xué)院 江蘇常州

摘      要：為克服粒子群優(yōu)化算法容易陷入局部較優(yōu)值的缺點(diǎn)，提出了基于變異思想的粒子群優(yōu)化算法，為提高粒子群優(yōu)化算法的計(jì)算精度，利用混沌運(yùn)動(dòng)隨機(jī)性、遍歷性的特點(diǎn)，提出了一種基于混沌思想的改進(jìn)粒子群優(yōu)化算法，進(jìn)而提出了基于混沌變異的改進(jìn)粒子群優(yōu)化算法（CMPSO）。基于幾種典型benchmark函數(shù)的測(cè)試研究結(jié)果表明，該算法與基本PSO算法和遺傳算法相比，較好地克服了早熟收斂，提高了算法的搜索精度。將該算法應(yīng)用于水庫優(yōu)化調(diào)度問題中，所得結(jié)果優(yōu)于標(biāo)準(zhǔn)粒子群優(yōu)化算法和遺傳算法，這也驗(yàn)證了混沌變異粒子群優(yōu)化算法的有效性。

關(guān)  鍵  詞：粒子群優(yōu)化；混沌；變異；水庫優(yōu)化調(diào)度

1　引  言
 粒子群優(yōu)化（Particle swarm optimization，PSO）算法較早是由Kennedy和Eberhart于1995年提出的一種群體智能優(yōu)化算法[1]。由于認(rèn)識(shí)到PSO 所蘊(yùn)含的廣闊應(yīng)用前景，許多學(xué)者都進(jìn)行了這方面的研究，目前，PSO已廣泛應(yīng)用于函數(shù)優(yōu)化，神經(jīng)網(wǎng)絡(luò)訓(xùn)練，TSP求解、鋼鐵生產(chǎn)計(jì)劃與調(diào)度等領(lǐng)域[2,3]。但PSO也存在著精度較低，易早熟等缺點(diǎn),為解決這些問題,研究者提出了多種改進(jìn)算法[4-8],如壓縮因子法、社會(huì)趨同法、保收斂PSO等。然而，到目前為止，粒子群優(yōu)化算法的上述缺點(diǎn)并沒有得到根本解決,成功應(yīng)用粒子群算法解決實(shí)際問題的研究也很少。為解決這些問題,本文將變異和混沌思想引入粒子群優(yōu)化算法，構(gòu)建了混沌變異粒子群優(yōu)化（CMPSO）算法，利用變異特性來克服標(biāo)準(zhǔn)粒子群優(yōu)化算法容易陷入局部較優(yōu)點(diǎn)的缺點(diǎn), 利用混沌的特性來提高算法的計(jì)算精度。水庫優(yōu)化調(diào)度問題具有非線性、強(qiáng)約束等特點(diǎn)，求解起來比較困難。為驗(yàn)證所提算法的有效性，該算法被應(yīng)用于水庫優(yōu)化調(diào)度問題求解。

登錄網(wǎng)站后可下載文件