基于小世界邻域结构的微粒群算法研究

分析了邻域结构对微粒群算法的影响,针对收敛速度慢,早熟收敛等缺点,结合小世界网络的基本特性,提出了一种基于小世界邻域结构的微粒群算法.在该模型中,邻域内部的高聚集性有利于微粒的细致搜索,而邻域间少量的长程连接又能保证微粒在进化过程中更加全面、快捷地实现信息的有效共享,从而在提高收敛速度的同时防止陷入局部最优.将本模型与Gbest模型及环形结构进行比较,发现该算法不仅具有更快的收敛速度,而且能够获得更好的收敛效果.     

改善微粒群算法多样性的多子群动态聚合

针对微粒群算法的群体多样性问题,将无标度网络形成过程中的择优连接机制引入微粒群算法的群体构造过程中,提出了一种多子群动态聚合的微粒群算法．依据算法搜索的状态,当某个子群面临搜索困境时,择优选择优秀子群建立连接,随着搜索的不断推进,微粒群体由多个独立的子群逐步聚合为一个类无标度群体网络．通过仿真实验发现,该算法通过调整微粒的邻域规模和连接方式平衡了算法的勘探和开发的能力,获得了较好的收敛性能．