自适应扩散混合变异机制微粒群算法

为了避免微粒群算法(particleswarmoptimization,简称pso)在全局优化中陷入局部极值,分析了标准pso算法早熟收敛的原因,提出了自适应扩散混合变异机制微粒群算法(informpso).结合生物群体信息扩散的习性,设计了一个考虑微粒分布和迭代次数的函数,自适应调整微粒的"社会认知"能力,提高种群的多样性;模拟了基因自组织和混沌进化规律,引入克隆选择使群体最佳微粒gbest实现遗传微变、局部增值,具有变异确定性;利用logistic序列指导gbest随机漂移,进一步增强逃离局部极值能力.基于种群的随机状态转移过程,证明了新算法具有全局收敛性.与其他几种pso变种相比,复杂基准函数仿真优化结果表明,新算法收敛速度快,求解精度高,稳定性好,能够有效抑制早熟收敛.