速度暂停粒子群算法:一种新的全局优化方法


在这里插入图片描述

1.摘要

粒子群优化算法(PSO)是一种高效的元启发式算法,特别适合解决多样的优化问题。然而,PSO面临着收敛速度慢和易陷入局部最优的问题,这在处理高维问题时尤为明显。为了解决这些问题,本文引入了一种名为速度暂停(velocity pausing)的改进策略,创建了VPPSO变体。VPPSO通过在迭代过程中让粒子保持与前一迭代相同的速度,有效增强了算法在探索与利用之间的平衡。

2.算法原理

【智能算法】粒子群算法(PSO)原理及实现

3.速度暂停粒子群算法

速度暂停粒子群算法(VPPSO)中,粒子不必在每次迭代时更新其速度,而是可以选择保持前一迭代的速度,从而实现三种速度模式:更快、更慢和恒定。这一机制的引入,不仅增加了运动的多样性,而且有助于更好地平衡探索与利用的关系,避免了传统PSO中常见的过早收敛问题。速度更新:
V i ( t + 1 ) = { V i ( t ) if r a n d < α w V i ( t ) Otherwise + c 1 r 3 ( P b e s t i ( t ) − X i ( t ) ) + c 2 r 4 ( g b e s t ( t ) − X i ( t ) ) \left.V_i(t+1)=\left\{\begin{array}{ll}V_i(t)&\text{if}rand<\alpha\\wV_i(t)&\text{Otherwise}\\+c_1r_3(Pbest_i(t)-X_i(t))\\+c_2r_4(gbest(t)-X_i(t))\end{array}\right.\right. Vi(t+1)= Vi(t)wVi(t)+c1r3(Pbesti(t)Xi(t))+c2r4(gbest(t)Xi(t))ifrand<αOtherwise

VPPSO通过引入速度暂停参数 a 来控制粒子的速度更新。当 a 的值大于 1 时,粒子将按照传PSO 算法的方式更新速度。如果 a 值过低,粒子将被迫以恒定速度移动,限制了速度的变化范围:
V i ( t + 1 ) = V i ( t ) r 5 a ( t ) + c 1 r 6 ( P b e s t i ( t ) − X i ( t ) ) + c 2 r 7 ( g b e s t ( t ) − X i ( t ) ) V_{i}(t+1)=V_{i}(t)^{r_{5}a(t)}+c_{1}r_{6}(Pbest_{i}(t)-X_{i}(t))\\+c_{2}r_{7}(gbest(t)-X_{i}(t)) Vi(t+1)=Vi(t)r5a(t)+c1r6(Pbesti(t)Xi(t))+c2r7(gbest(t)Xi(t))
其中,参数表述为:
a ( t ) = exp ⁡ − ( b t T ) b a(t)=\exp^{-\left(\frac{bt}{T}\right)^b} a(t)=exp(Tbt)b

为了提升算法性能,避免过早收敛并保持种群多样性,VPPSO将种群分为两个不同的群体。第一群体包括 N1 个粒子,这些粒子在粒子群算法(PSO)框架下更新其速度和位置,但引入了两个关键的修改:一是调整速度方程的第一项,二是采用了速度暂停概念,以增强粒子在探索和开发之间的平衡。第二群体则包括 N2 个粒子,这些粒子完全依赖全局最优解(gbest)来更新位置,不涉及速度的更新。通过这种双群体策略,算法能够在保持探索多样性的同时,有效地减少因粒子过早聚集而导致的局部最优陷阱:
X i ( t + 1 ) = { g b e s t + a ( t ) r 8 ∣ g b e s t ∣ a ( t ) if r 9 < 0.5 g b e s t − a ( t ) r 10 ∣ g b e s t ∣ a ( t ) Otherwise X_i(t+1)=\begin{cases} gbest+a(t)r_8|gbest|^{a(t)}&\text{if} r_9<0.5\\ gbest-a(t)r_{10}|gbest|^{a(t)}&\text{Otherwise}\end{cases} Xi(t+1)={gbest+a(t)r8gbesta(t)gbesta(t)r10gbesta(t)ifr9<0.5Otherwise

流程图

在这里插入图片描述

伪代码

在这里插入图片描述

3.结果展示

CEC2005

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

4.参考文献

[1] Shami T M, Mirjalili S, Al-Eryani Y, et al. Velocity pausing particle swarm optimization: A novel variant for global optimization[J]. Neural Computing and Applications, 2023, 35(12): 9193-9223.

5.代码获取

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小O的算法实验室

谢谢大佬的肯定!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值