基于EM算法和PSO算法的混合优化算法

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Baidu Nhomakorabea
关键词：类电磁机制；粒子群优化；混合优化算法
中图分类号：ＴＰ３０１．６文献标识码：Ｂ
ＨｙｂｒｉｄＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄＯｎＥＭＡｌｇｏｒｉｔｈｍａｎｄＰＳＯＡｌｇｏｒｉｔｈｍ
ａｃｃｏｒｄｉｎｇｔｏｔｈｅａｔｔｒａｃｔｉｏｎａｎｄｒｅｐｕｌｓｉｏｎｍｅｃｈａｎｉｓｍｏｆＥｌｅｃｔｒｏｍａｇｎｅｔｉｓｍ－ｌｉｋｅＭｅｃｈａｎｉｓｍｌｇａｏｉｔｒｈｍ．Ｆｉｎａｌｌｙ，ｔｈｅｐｒｏ —
ＡＢＳＴＲＡＣＴ：ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎｌｇａｏｒｉｔｈｍｅａｓｉｌｙｇｅｔｓｓｔｕｃｋａｔｌｏｃａｌｏｐｔｉｍａｌｓｏｌｕｔｉｏｎａｎｄｓｈｏｗｓｐｒｅｎｍｔｕｒｅ
ｐｏｓｅｄｍｅｔｈｏｄｓｗｅｒｅｔｅｓｔｅｄｂｙｓｅｖｅｒａｌｈｉｇｈ — ｄｉｍｅｎｓｉｏｎａｌｂｅｎｃｈｍａｒｋｆｕｎｃｔｉｏｎｓ，ａｎｄｃｏｍｐａｒｅｄｗｉｔｈｓｔａｎｄｒｄａＰＳＯａｌｇｏ — ｒｉｔｈｍ，ＩＰＳＯａｌｇｏｉｒｔｈｍａｎｄＣＰＳＯａｌｇｏｒｉｔｈｍ．ＥｘｐｅｉｒｍｅｎｔｒｅｓｕｌｔｓｈａｖｅｓｈｏｗｎｔｈａｔＥＭＰＳＯｌｇａｏｒｉｔｈｍｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍ— ｐｒｏｖｅｔｈｅｇｌｏｂａｌｃｏｎｖｅｒｇｅｎｃｅａｂｉｌｉｔｙａｎｄｅｎｈａｎｃｅｔｈｅｒａｔｅｏｆｃｏｎｖｅｒｇｅｎｃｅ．
ｔｏＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎｌｇａｏｉｔｒｈｍ．ＡｈｙｂｒｉｄｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｉｔｒｈｍｂａｓｅｄｏｎＥｌｅｃｔｒｏｍａｇｎｅｔｉｓｍ —ｌｉｋｅＭｅｃｈａ —
ａｃｃｏｒｄｉｎｇｔｏＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎａｌｇｏｉｒｔｈｍ．Ｔｈｅｎｔｈｅｉｎｄｉｖｉｄｕｌａａｎｄｔｈｅｇｒｏｕｐｏｐｔｉｍａｌｐａｒｔｉｃｌｅｗｅｒｅｕｐｄａｔｅｄ
ＷＡＮＧＪｉａｎ－ｌｏｎｇ，ＳＵＮＨｅ－ｍｉｎｇ
（ＳｃｈｏｏｌｏｆＳｃｉｅｎｃｅ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，ＮａｎｊｉｎｇＪｉａｎｇｓｕ２１１１００，Ｃｈｉｎａ）
摘要：针对粒子群优化算法容易陷入局部最优解并且存在过早收敛的问题，将类电磁机制算法中的吸引一排斥机制引入到粒子群优化算法中，提出一种类电磁机制算法和粒子群优化算法的混合优化算法（ＥＭＰＳＯ）。首先按照基本粒子群优化算法
的寻优方式对各粒子进行更新，再利用类电磁机制中的吸引一排斥机制对个体最优粒子和群体最优粒子进行移动，最后通过几个标准测试函数进行了测试，并与标准粒子群算法（ＰＳＯ）、免疫粒子群算法（ＩＰＳＯ）、混沌粒子群算法（ＣＰＳＯ）进行对比。测试结果表明，改进算法提高了全局搜索能力和熟练速度，改善了优化性能。
ｎｉｓｍａｌｇｏｉｒｔｈｍａｎｄＰａｔｒｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｗａｓｐｒｏｐｏｓｅｄ（ＥＭＳＰＯ）．Ｆｉｒｓｔｌｙ，ｅａｃｈｐａｔｒｉｃｌｅｗａｓｕｐｄａｔｅｄ
ｃｏｎｖｅｒｇｅｎｃｅ．ＴｈｅａｔｔｒａｃｔｉｏｎａｎｄｒｅｐｕｌｓｉｏｎｍｅｃｈａｎｉｓｍｏｆＥｌｅｃｔｒｏｍａｇｎｅｔｉｓｍ— ｌｉｋｅＭｅｃｈａｎｉｓｍａｌｇｏｒｉｔｈｍｗａｓｂｒｏｕｇｈｔｉｎ —
第３０卷第５期
文章编号：１００６ — ９３４８（２０１３）０５ — ０３３０ — ０４
计
算
机
仿
真
２０１３年５月
基于ＥＭ算法和ＰＳＯ算法的混合优化算法
王建龙，孙合明
（河海大学理学院，江苏南京２１１１００）