Particle swarm optimization algorithm of self-adaptive parameter based on ant system and its application
基于蚁群系统的参数自适应粒子群算法及其应用

为了解决粒子群算法惯性权重自适应问题, 提出一种基于蚁群系统的惯性权重自适应粒子群算法(ASPSO). AS-PSO首先将惯性权重取值区间离散化, 各个惯性权重子区间在初期赋予相同的信息素; 然后, 粒子群算法中的各个粒子, 根据各个惯性权重子区间中的信息素浓度和粒子在搜索空间中分布的先验知识, 确定各个惯性权重子区间的选择概率, 并进而实现粒子的空间搜索; 最后, 基于粒子的进化信息, 实现惯性权重子区间信息素浓度的更新. 仿真研究表明, AS-PSO算法在种群进化寻优的同时, 能根据种群的进化信息, 通过蚁群算法实现惯性权重参数的自适应调整和进化, 且不增加测试函数的调用次数; 算法寻优性能优于传统的自适应粒子群算法和根据速度信息自适应调整参数的粒子群算法. 同时, 算法实际应用于复杂系统模型参数的优化估计, 获得满意结果.