| 基于竞争式协同进化的混合变量粒子群优化算法 |
| |
| 作者姓名： | 张虎 张衡 黄子路 王喆 付青坡 彭瑾 王峰 |
| |
| 作者单位： | 1.中国航天科工集团有限公司第三研究院 体系对抗与智能信息系统总体部, 北京 1000742.武汉大学 计算机学院, 武汉 4300723.海军装备部北京局驻北京地区第三军事代表室, 北京 100074 |
| |
| 基金项目： | 国家自然科学基金(62173258,61773296);;国防基础科研项目(JCKY2019204A007); |
| |
| 摘 要： | 现实工业生产应用中存在大量的混合变量优化问题,这类问题的决策变量既包含连续变量,又包含离散变量。由于决策变量为混合类型,导致问题的决策空间变得不规则,采用已有的方法很难进行有效求解。引入协同进化策略,提出一种基于竞争式协同进化的混合变量粒子群优化算法(competitive coevolution based PSO,CCPSO)。设计基于容忍度的搜索方向调整机制来判断粒子的进化状态,从而自适应地调整粒子的搜索方向,避免陷入局部最优,平衡了种群的收敛性和多样性;引入基于竞争式协同进化的学习对象生成机制,在检测到粒子进化停滞时为每个粒子生成新的学习对象,从而推动粒子的进一步搜索,提高了种群的多样性;采用基于竞争学习的预测策略为粒子选择合适的学习对象,充分利用了新旧学习对象的学习潜力,保证了算法的收敛速度。实验结果表明：相比其他主流的混合变量优化算法,CCPSO可以获得更优的结果。
|
| 关 键 词： | 混合变量优化 协同策略 进化算法 粒子群 |
| 收稿时间： | 2022-12-07 |
|
| 点击此处可从《系统仿真学报》浏览原始摘要信息 |
|
点击此处可从《系统仿真学报》下载免费的PDF全文 |
|
