彭　力，王茂海
江南大學檢測與過程控制研究所，江蘇無錫

摘　　　要：使用線性系統理論分析了粒子群算法（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳ０） 陷入局部極值的原因。為使粒子種群跳出局部極值粒子重新獲得活性，借鑒了魚群算法中擁擠度因子的概念，提出了前饋擾動粒子群算法（ＦｅｅｄｆｏｒｗａｒｄＤｉｓｔｕｒｂａｎｃｅＰａｒｔｉｃｌｅＳｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ，ＦＤＰＳＯ），在以當前較優值為圓心擁擠度因子為半徑的圓域內統計粒子的數量，當粒子數量大于某一常數時候，認為種群將會陷入局部較優，因此提前給種群加入擾動。仿真實驗證明了理論及所提出算法的有效性。

關　鍵　詞：粒子群；前饋擾動粒子群；擁擠度因子

１　引　言
針對標準微粒群優化算法易于陷入早熟收斂，陷入局部較優，很多學者提出了改進的微粒群算法。文獻［１］提出一種自適應粒子認知域方法，在粒子位置的更新方法中，粒子運動到當前的較好位置由計算得到的較好位置為中心，粒子的認知方向為導向來確定．利用線性慣性下降權重來實現粒子的優化。文獻［２］設計一種具有理解力的粒子群算法，在原來粒子群的搜索空間中增加一維，來確定當前的搜索方向，這樣在一定的半徑內，粒子能找到周邊的較好信息，用于粒子的更新，特別是當前的較好信息對于某粒子難以得到時，這種方法非常有效。然而這些方法都沒有解決當粒子陷入局部極值后失去活力的問題，當種群陷入局部極值的時候，粒子仍然會慢慢集中于局部極值附近。本文受魚群算法啟發，引入擁擠度因子，使種群整體保持收斂的同時，大部分粒子仍然保持活性。

登錄網站后可下載文件