PSO粒子群優化算法的混沌時間序列優化

摘 要:經典的PSO算法以只考慮了解應當完全朝著最優的方向前進，而忽視了以前走過的路徑以及搜索結果，因此，考慮使用混沌時間序列的方法，記錄每個搜索節點每n步的記錄，推測出最佳的第n+1步記錄，然后再重新回到經典改良算法的循環。就好比鳥在覓食的時候每只鳥不是一味的只顧著搜尋食物，而是適時的停歇下來回顧自己的覓食路徑反思經驗。另外，給出一個改良的評價函數來指導自適應性搜索。

關鍵詞;PSO算法混沌時間序列評價函數

中圖分類號;O174文獻標識碼;A文章編號;1674-098X(2011)09(b)-0023-01

1粒子群算法

粒子位置向量表示為

;粒子速度向量表示為;;粒子個體歷史最優位置記為群體歷史最優位置(記為粒子根據如下的公式來更新自己的速度和新的位置

其中v[]是粒子的速度，persent[]是當前粒子的位置.pbest[] and gbest[]如前定義rand()是介于(0，1)之間的隨機數.c1，c2是學習因子.通常c1=c2=2.在每一維粒子的速度都會被限制在一個最大速度Vmax，如果某一維更新后的速度超過用戶設定的Vmax，那么這一維的速度就被限定為Vmax

2混沌時間序列估計對粒子位置的擾動

2.1 PSO算法的一些缺點

首先，通過實驗發現，PSO算法的在實際應用中，運行效果與它所采用的參數設置有較大的關系，這些參數如何取值仍然是一個待解決的問題。此外，在實驗中發現，當PSO算法在接近或進入最優點區域時，它的收斂速度相對比較緩慢。為了解決這個問題，引入混沌時間序列估計對粒子位置作出適當的擾動，從而弱化初始參數導致的誤差同時加快最優點附近的收斂速度。……