一篇改进的PSO论文《Coevolutionary Particle Swarm Optimization Using AIS and Its Application in Multi-Parameter Estimation of PMSM》,主要介绍克隆免疫算法(ICPSO)。
(一)改进的PSO
缺点:早熟;陷入局部最优;后期失去多样性。
(二)精英克隆算法
1.将种群按粒子数等分成I个子种群(P1,P2…PI),评价粒子的适应度值,将每个子种群的有最优解三个的粒子的位置存在P0中,P0大小为3*I,称作精英种群,用于替换最差的粒子。
2.对P0进行超突变。(每个粒子随机选择一个维度)
(三)混合免疫网络
对中间层个体进行免疫升级,优秀层根据标准PSO更新,差层的个体再次重新生成。
其中,i≠k,k是在优秀层随机选择的第k个体,目的是向优秀个体学习。cauchy是标准分布,使得粒子可以在更宽的范围内搜索,更快的跳出局部最优。
(四)个体最佳位置的小波学习
其中,gbestPi(d)是Pi的适应度值,Pi的选择如下图所示,类似于DE算法中的交叉。Pbestid(j)是第j个子种群的第i粒子的最佳位置。amin和amax为的边界,一般设a∈[10,1000]。
(五)总结
虽然论文内部逻辑有点混乱,但是有不少改进的策略可以使用。从实验测试结果来看,解决单峰和高维度问题有较高的准确度。虽然收敛相对比较快,但随着子种群数目的增加耗时会大幅度上升。