混合粒子群算法:基于模拟退火的算法
1. 算法原理
模拟退火算法在搜索过程中具有概率突跳的能力,能够有效地避免搜索过程中陷入局部极小解。模拟退火算法在退火过程中不但接受好的解,而且还以一定的概率接受差得解,同时这种概率受到温度参数的控制,其大小随温度的下降而减小。
2. 算法步骤
(1) 随机初始化种群中各微粒的位置和速度;
(2) 评价每个微粒的适应度,将当前各微子的位置和适应值存储在各微子的i p 中,将所
有pbest 的中适应最优个体的位置和适应值存储在g p 中;
(3) 确定初始温度;
(4) 根据下式确定当前温度下各i p 的适配值:
(()())/(()())/1
()i g i g f p f p t
i N
f p f p t
i e
TF p e
----==
∑
(5) 采用轮盘赌策略从所有i p 中确定全局最优的某个替代值g p ',然后根据下式更新各
微粒的速度和位置:
{},,11,,22,,(1)()[()][()]i j i j i j i j g j i j v t v t c r p x t c r p x t ?+=+-+-
,,,(1)()(1),1,2,...i j i j i j x t x t v t j d +=++=
12
C c c ?=
=+
(6) 计算各微粒新的目标值,更新各微粒的i p 值及群体的g p 值;
(7) 进行退温操作;
(8) 若满足停止条件(通常为预设的运算精度或迭代次数),搜索停止,输出结果,否知
返回(4)继续搜索;
(9) 初始温度和退温温度对算法有一定的影响,一般采用如下的初温和退温方式:
10,()/ln 5k k g t k t f p λ+==
3. 算法MATLAB 实现
在MATLAB 中编程实现的基于杂交的粒子群算法优化函数为:Sim uA P SO 。
功能:用基于模拟退火的粒子群算法求解无约束优化问题。