一種混沌差分進化和粒子群優化混合算法

0 引言

由Price首先提出的一種基于種群并行隨機搜索的新型進化算法——差分進化算法對當前種群進行重組、變異和選擇操作產生新一代種群，并逐步使種群進化，實現全局最優解的搜索，已成功應用于函數優化、模式識別和工程領域；但是該算法在優化迭代后期接近最優解時收斂速度緩慢，易陷入局部最優。粒子群優化算法是基于群體的進化計算技術，其思想來源于人工生命和演化計算理論，是一種基于種群搜索策略的全局優化進化算法，具有概念簡單、容易實現等特點，已成功應用于函數優化、圖像處理、負荷預測、工業過程控制等領域；雖然它在進化初期收斂速度快，但在進化后期容易陷入局部極小點、收斂速度慢，算法所能達到的精度較差。針對兩者的缺點，本文在文獻的基礎上，將混沌變異操作引入其中，提出了一種混沌差分進化的粒子群優化算法。該算法利用信息交換機制將兩組種群分別用差分進化算法和粒子群算法進行協同進化，并將具有遍歷和隨機特性的混沌機制引入其中，進一步加強算法的局部搜索能力。采用三個標準函數進行測試，仿真結果表明該算法與DEPSO算法相比，全局搜索能力和收斂速度有了很大提高。