基于竞争式协同进化的混合变量粒子群优化算法

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。