计算机科学与探索

作者：宋威，华子彧

单位：1. 江南大学 人工智能与计算机学院，江苏 无锡 2141222. 江南大学 江苏省模式识别与计算智能工程实验室，江苏 无锡 214122

关键词：粒子群优化（PSO）,社会影响力,社会学习,引力系数,变尺度搜索

目前粒子群优化（PSO）算法及其变体已被证明是有用的方法来求解复杂优化问题。然而，PSO及其大多数变体仅考虑全局最优位置和个体历史最优位置对个体的影响，导致算法的多样性不足，易于陷入局部最优。针对此问题，提出了一种融入社会影响力的粒子群优化（PSOSI）算法。具体而言，该算法设计了三种策略：首先，每个粒子将选择全局最优粒子和最优伙伴粒子作为其“社会学习”的对象，为每个粒子带来更丰富的有用知识；其次，引入引力系数分别描述各榜样带来的影响，在保证最优经验得到分享的同时，增强了种群学习的多样性；此外，每个粒子还在各维度上进一步向其最优伙伴粒子学习，实现从全局到局部的变尺度搜索，增强算法的整体收敛能力。实验对CEC2013测试集的28个基准函数进行测试，并与主流的10种PSO变体和3种非PSO优化算法进行比较，实验结果验证了PSOSI的优越性。

来源：2020年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第11期