多粒子角色协同作用的混合粒子群优化算法

？针对粒子群优化(pso)算法易陷入局部最优和后期收敛速度慢的问题，提出一种多粒子角色协同作用的混合粒子群算法(mprpso)。引入粒子角色的概念，将种群粒子分成探索粒子(ep)、巡逻粒子(pp)和局部开发粒子(lep)三类角色，在每次迭代中利用探索粒子以标准pso算法搜索解空间，用基于混沌的巡逻粒子加强全局搜索，并在陷入局部最优时替代部分探索粒子，恢复种群活力。最后通过局部开发粒子的单维异步邻域搜索加强算法局部搜索能力，加快收敛。实验独立运行30次，所提算法在粒子角色比例为0.8∶〖kg-*2〗0.1∶〖kg-*2〗0.1的条件下，在sphere、rosenbrock、ackley和quadric函数中获得的平均值分别为2.352e-72、4.678e-29、7.780e-14和2.909e-14，尤其在rastrigrin与griewank函数中能收敛到最优解0，优于其他对比算法。实验结果表明，所提算法在优化性能上有所提高，并有一定的鲁棒性。