MPEPSO：多种群集成粒子群优化算法用于工程设计问题

---

1.摘要

本文提出了一种名为多种群集成粒子群优化算法（MPEPSO），该算法结合了三种现有的高效简单PSO搜索策略，并将粒子分为四个子群体，其中三个为指示子群体，一个为奖励子群体。各指示子群体使用不同的速度更新策略，并在每个学习周期结束时，根据性能将奖励子群体分配给表现最佳的策略。

2.粒子群算法PSO原理

【智能算法】粒子群算法（PSO）原理及实现

3.MPEPSO

3.1 改进PSO

线性递减惯性权重粒子群优化算法LDWPSO
$$\begin{array}{rl}& V_i^d=\omega V_i^d+c_1\times rand{1}_i^d\times \left(pbes{t}_i^d-X_i^d\right)+c_2\times rand{2}_i^d\times \left(gbes{t}_i^d-X_i^d\right)\\ & X_i^d=X_i^d+V_i^d\end{array}$$
其中，参数为:
$$\omega ={\omega }_{\max }-({\omega }_{\max }-{\omega }_{\min })\frac{\mathrm{FEs}}{\mathrm{MaxFEs}}$$
统一粒子群优化算法UPSO

$$\begin{gathered} G_i^d=\mathcal{X}\left[V_i^d+c_1\times rand{1}_i^d\times \left(pbes{t}_i^d-X_i^d\right)+c_2\times rand{2}_i^d\times \left(gbes{t}_i^d-X_i^d\right)\right] \\ {L}_i^d=\mathcal{X}\left[V_i^d+c_1\times rand{3}_i^d\times \left(pbes{t}_i^d-X_i^d\right)+c_2\times rand{4}_i^d\times \left(nbes{t}_i^d-X_i^d\right)\right] \end{gathered}$$

综合学习粒子群优化算法CLPSO

$$V_i^d=\omega V_i^d+c_1\times ran{d}_i^d\times \left(pbes{t}_{fi(d)}^d-X_i^d\right)$$
决策取决于学习概率Pci:
$$P{c}_i=a+b\times \frac{\left(\exp \left(\frac{10(i-1)}{N-1}\right)-1\right)}{(\exp \left(10\right)-1)}$$

3.2 MPEPSO原理

MPEPSO有一个奖励子群体$po{p}_R$，并有三个指示子群体，这些子群体用$po{p}_h$表示，其中 h ∈ { 1 , 2 , 3 } h∈\{1, 2, 3\} h∈{1,2,3}是对应于LDWPSO、UPSO和CLPSO的PSO搜索策略的指标。${\lambda }_h$是$po{p}_h$在群体中的比例，${\lambda }_h$的值影响指示子群体中的粒子数量。较大的${\lambda }_h$会使得奖励子群体中的粒子数量减少，因此奖励子群体的效果会降低。而较小的${\lambda }_h$会使得指示子群体中的粒子数量减少，这将降低评估每种策略性能的准确性。

指示子群体的人口规模$N_h$：
$$N_h=\lfloor N\ast {\lambda }_h\rfloor$$
在每次迭代中，从总群体中随机选择$N_h$个粒子并分配到子群体$po{p}_h$中。$po{p}_h$中的粒子通过策略h更新它们的速度。奖励子群体中的粒子数量$N_r$：
$$N_r=N-\sum _{h=1,2,3}{N}_h$$

学习期（LP）被定义为一定数量的迭代次数。在每个学习期间，如果使用策略h的粒子i能够产生一个比其个人最佳位置pbesti更好的解决方案，策略改进Δfh：
$$\Delta f_h=\Delta f_h+F(p{\text{best}}_i)-F(X_i),i\in {\text{pop}}_h$$
在学习周期结束时，通过比较Δfh的值，选择性能最好的策略，并以k为索引:
$$k=\arg \left(\underset{h=1,2,3}{\max }\right(\frac{\Delta f_h}{\lfloor N\ast {\lambda }_h\rfloor }\left)\right)$$

伪代码

4.结果展示

CEC2014

5.参考文献

[1] Liu Z, Nishi T. Multipopulation ensemble particle swarm optimizer for engineering design problems[J]. Mathematical Problems in Engineering, 2020, 2020(1): 1450985.

6.代码获取