高斯动态粒子群优化算法

动态概率粒子群优化算法是没有速度更新公式的PSO算法,它采用概率的方法而非传统的轨迹方法生成新一代粒子的位置,获得了与其它出色的改进相当的效果。

在动态概率PSO算法中,高斯动态PSO算法的性能表现较好,其粒子位置更新公式如下

Xi(t+1) = Xi(t) + W1*( Xi(t)-Xi(t-1) ) + W2*( avgp-Xi(t) ) + NormalRand(0,1)*( frange/2.0 )
avgp = sum(pBest_k)/K
frange = sum( pBest_i – pBest_k )/K
式中:
W1、W2分别是权值;
NormalRand(0,1)是服从正态分布的随机数;
K表示粒子i领域粒子的个数;
pBest_k表示粒子i领域粒子的历史最优值。

可以看出高斯动态粒子群优化算法两个关键数值(avgp和frange)的计算需要用到领域中每个粒子的记忆,领域信息得以充分利用,因此对算法的改进有促进作用。



发表评论

You must be logged in to post a comment.