基于局部远亲差分增强的扰动粒子群优化算法

摘要 针对粒子群优化（PSO）算法在搜索过程中因个体间缺乏交互，使种群逐渐丧失多样性、导致算法陷入局部极值的问题，提出了一种基于局部远亲差分增强的扰动粒子群优化算法（LFDE-PPSO）。首先，为扩大种群搜索空间，在速度更新过程中引入扰动因子，使惯性权重、学习因子在小范围内波动；其次，引入重构概率，选择适应度值低的个体重建中间种群；最后，为增加种群多样性，使较差个体的优秀基因得以保留，引入粒子不相关性及远亲个体，利用不相关性选择与差分个体基因差异性较大的远亲进行差分增强。实验结果表明，所提算法能够使中间种群中适应度值高的个体得以保留，有效增加种群多样性，使种群具备较强的跳脱局部极值能力，加快粒子逼近全局最优，同时具有收敛快、精度高等优点