文献类型：期刊文章

作　　者：刘建华[1] 杨荣华[1] 孙水华[1]

机构地区：[1]福建工程学院计算机与信息科学系,福州350108

出　　处：《南京大学学报（自然科学版）》

基　　金：福建省科技厅K类项目(JK2011035)

年　　份：2011

卷　　号：47

期　　号：5

起止页码：504-514

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAS、CSCD、CSCD2011_2012、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：粒子群算法(Particle Swarm Optimization,PSO)主要用优化计算实值的连续性问题,而离散二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)则用来优化离散空间问题,它扩展了PSO算法的应用,现已广泛应用到各种离散优化问题计算中,但目前对BPSO算法的理论分析研究还很少,难以指导算法性能.本文从位改变概率和遗传算法的模式定理两方面对BPSO进行分析.分析得出,BPSO算法具有很强全局搜索能力,但不能收敛于粒子的全局最优位置,而且随着算法迭代运行,BPSO的随机性越来越强,缺乏后期的局部搜索能力.本文利用基准的函数,通过仿真实验计算,验证本文的分析结果.基于分析的结果,本文提出BPSO的改进方法,新方法采用新的概率映射函数和混合遗传算法的方法.通过对基准函数的仿真试验,验证了改进方法的有效性.

关 键 词：二进制粒子群算法  收敛性 位改变概率  模式定理

分 类 号：TP18]