含交叉项的混合二范数粒子群优化算法

摘要 针对原始粒子群优化算法（PSO）在搜索过程中容易陷入局部最优点的问题，并尽量避免破坏种群多样性，提出一种含交叉项的混合二范数粒子群优化算法HTPSO。首先，利用二范数原理计算当前粒子与个体历史最优粒子间的欧氏距离；其次，将欧氏距离引入速度迭代公式以影响社交项对粒子速度的作用，并按照一定规律随机分布惯性权重；最后，在此基础上简化粒子群算法，并将差分进化（DE）算法中的交叉算子融入该算法中，使粒子能在一定概率下与个体历史最优粒子交叉。为了验证HTPSO的性能，与利用正弦函数改进惯性权重的粒子群优化算法（SinPSO）、自适应粒子群优化算法（SelPSO）、基于自适应惯性权重的均值粒子群优化算法（MAWPSO）和简化粒子群优化算法（SPSO）在不同维度下解决8个常用基准函数，并根据T-test、成功率和平均迭代次数分析了各算法的优化结果。实验结果表明，HTPSO具有较优秀的收敛能力，且粒子运动非常灵活