协同粒子群优化算法的改进与仿真

２０１５年６月第３６卷　第６期计算机工程与设计ＣＯＭＰＵＴＥＲＥＮＧＩＮＥＥＲＩＮＧＡＮＤＤＥＳＩＧＮＪｕｎｅ２０１５Ｖｏｌ?３６　Ｎｏ?６

协同粒子群优化算法的改进与仿真

侯　翔，蒲国林

（四川文理学院计算机科学系，四川达州６３５０００）

摘　要：传统ＰＳＯ算法的收敛性能会随求解问题空间维数的增加而下降，根据协同进化原理，通过对传统ＰＳＯ算法进行协同优化处理，设计一种改进的协同ＰＳＯ算法。在每次迭代过程中，采用传统ＰＳＯ算法更新粒子位置和速度，由此产生群体当前的全局最优位置；对所有粒子所经历的最优位置进行降维的协同优化，产生一个参考全局最优解；根据参考全局最优解更新群体当前的全局最优位置。仿真结果表明，该算法可以明显提高收敛速度，在某些问题上可以收敛到全局最优。关键词：ＰＳＯ算法；协同优化；迭代；全局最优；收敛速度

中图法分类号：ＴＰ３９１　文献标识号：Ａ　文章编号：１０００‐７０２４（２０１５）０６‐１５３０‐０５

ｄｏｉ：１０?１６２０８／ｊ?ｉｓｓｎ１０００‐７０２４?２０１５?０６?０２４

收稿日期：２０１４‐０６‐０７；修订日期：２０１４‐０８‐０７

基金项目：国家档案局２０１４年科技基金项目（２０１４‐Ｘ‐６５）；达州市２０１１年科技攻关基金项目（ＪＣＹ１１１７）

作者简介：侯翔（１９８３），男，四川达州人，硕士研究生，讲师，研究方向为计算机网络技术及应用；蒲国林（１９７１），男，四川达州人，博士，副教授，研究方向为服务计算、人工智能。Ｅ‐ｍａｉｌ：ｄｚｈｏｕｘｉａｎｇ＠１６３?ｃｏｍＩｍｐｒｏｖｅｍｅｎｔｏｆｉｔｓｃｏｏｐｅｒａｔｉｖｅｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍａｎｄｓｉｍｕｌａｔｉｏｎ

ＨＯＵＸｉａｎｇ，ＰＵＧｕｏ‐ｌｉｎ（ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＡｒｔｓａｎｄＳｃｉｅｎｃｅ，Ｄａｚｈｏｕ６３５０００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：ＴｒａｄｉｔｉｏｎａｌＰＳＯａｌｇｏｒｉｔｈｍｓｓｕｆｆｅｒｆｒｏｍｔｈｅｃｕｒｓｅｏｆｄｉｍｅｎｓｉｏｎａｌｉｔｙｗｈｉｃｈｉｍｐｌｉｅｓｔｈａｔｔｈｅｉｒｐｅｒｆｏｒｍａｎｃｅｓｄｅｔｅｒｉｏｒａｔｅａｓｔｈｅｄｉｍｅｎｓｉｏｎａｌｉｔｙｏｆｔｈｅｓｅａｒｃｈｓｐａｃｅｉｎｃｒｅａｓｅｓ．ＡｖａｒｉａｔｉｏｎｏｎｔｈｅｔｒａｄｉｔｉｏｎａｌＰＳＯａｌｇｏｒｉｔｈｍｓ，ｃａｌｌｅｄｉｍｐｒｏｖｅｄｃｏｏｐｅｒａｔｉｖｅｐａｒ‐ｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎｏｒＣＯＰＳＯｗａｓｐｒｏｐｏｓｅｄ，ｗｈｉｃｈｅｍｐｌｏｙｅｄｃｏｏｐｅｒａｔｉｖｅｂｅｈａｖｉｏｒｔｏｓｉｇｎｉｆｉｃａｎｔｌｙｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｏｒｉｇｉｎａｌａｌｇｏｒｉｔｈｍｓ．Ｆｉｒｓｔｌｙ，ｔｒａｄｉｔｉｏｎａｌＰＳＯａｌｇｏｒｉｔｈｍｓｗｅｒｅｕｓｅｄｔｏｕｐｄａｔｅｔｈｅｐｏｓｉｔｉｏｎａｎｄｖｅｌｏｃｉｔｙｖｅｃｔｏｒｓｏｆｐａｒｔｉｃｌｅｓ，ａｎｄｔｈｅｎａｒｅｆｅｒｅｎｃｅｇｌｏｂａｌｂｅｓｔｐｏｓｉｔｉｏｎｗａｓｏｂｔａｉｎｅｄｂｙｕｓｉｎｇｃｏｏｐｅｒａｔｉｖｅｏｐｅｒａｔｏｒｏｎｔｈｅｂｅｓｔｐｏｓｉｔｉｏｎｓｏｆｐａｒｔｉｃｌｅｓｅｎｃｏｕｎｔｅｒｅｄｓｏｆａｒ．

Ｓｕｃｈｒｅｆｅｒｅｎｃｅｇｌｏｂａｌｂｅｓｔｐｏｓｉｔｉｏｎｗａｓｕｓｅｄｔｏｕｐｄａｔｅｔｈｅｃｕｒｒｅｎｔｇｌｏｂａｌｂｅｓｔｐｏｓｉｔｉｏｎｏｆｔｈｅｓｗａｒｍ．ＡｐｐｌｉｃａｔｉｏｎｏｆｔｈｅＣＯＰＳＯａｌｇｏｒｉｔｈｍｏｎｔｈｅｂｅｎｃｈｍａｒｋｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍｓｓｈｏｗｓａｍａｒｋｅｄｉｍｐｒｏｖｅｍｅｎｔｏｎｃｏｎｖｅｒｇｅｎｃｅｒａｔｅｏｆｓｏｍｅｔｒａｄｉｔｉｏｎａｌＰＳＯａｌｇｏｒｉｔｈｍｓ．Ｋｅｙｗｏｒｄｓ：ＰＳＯａｌｇｏｒｉｔｈｍ；ｃｏｌｌａｂｏｒａｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎ；ｉｔｅｒａｔｉｖｅ；ｇｌｏｂａｌｌｙｏｐｔｉｍａｌ；ｃｏｎｖｅｒｇｅｎｃｅｒａｔｅ０　引　言

最初的ＰＳＯ算法虽然结构简单，却无法保证算法收

敛，为此许多改进的ＰＳＯ算法应运而生［１］。比较典型的是线性惯性权ＰＳＯ算法［２］和模糊惯性权ＰＳＯ算法［３］，文献［４］提出了具有收缩因子ＰＳＯ算法等，但以上算法往往会

出现过早收敛现象。

通常情况下，ＰＳＯ算法具有易陷入过早收敛的缺陷，

同时，易受到维数灾难（ｃｕｒｓｅｏｆｄｉｍｅｎｓｉｏｎａｌｉｔｙ）的困扰。

针对该问题，Ｖａｎ等［５］借鉴遗传算法的合作协同进化算子，

采用降维的方法，提出了一种协同ＰＳＯ算法（ＣＰＳＯ）。虽

然ＣＰＳＯ算法在解决某些问题的同时可以提高优化过程的收敛性能，但该算法会出现伪最小值现象，并且不能保证收敛到局部或全局最优。文献［６］将随机ＰＳＯ方法引入到ＣＰＳＯ中，提出了一种以概率１收敛到全局最优的改进协同ＰＳＯ算法（ＩＣＰＳＯ），该算法的全局收敛性主要由随机

ＰＳＯ保证，ＣＰＳＯ主要用于提高算法的收敛速度。本文根据协同进化原理，通过对传统ＰＳＯ算法进行协同优化处理，设计了一种改进的协同ＰＳＯ算法。该算法通过对所有粒子经历的最优位置采用协同优化策略，为群的全局最优提供一个参考，以提高算法的收敛性能。１　协同ＰＳＯ算法对于经典的ＰＳＯ算法，通常是由一个或若干个群组和