作　　者： ; (高鹰）;

机构地区： 华南理工大学电子与信息学院

出　　处： 《计算机科学》 2004年第8期13-15,共3页

摘　　要： 粒子群优化算法是一种新的随机全局优化进化算法。本文把混沌寻优思想引入到粒子群优化算法中,这种方法利用混沌运动的随机性、遍历性和规律性等特性首先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换粒子群体中的一个柱子。通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。仿真结果表明混沌粒子群优化算法的收敛性能明显优于粒子群优化算法。 Particle swarm optimization is a new stochastic global optimization evolutionary algorithm.In this paper, the chaotic search is embedded into original particle swarm optimizers.Based on the ergodicity,stochastic property and regularity of chaos ,a new superior individual is reproduced by chaotic searching on the current global best individ- ual,and a stochastic selected individual from the current'population'is replaced by the new superior individual.The particle swarm optimization embedded chaotic search quickens the evolution process,and improves the abilities of seeking the global excellent result and convergence speed and accuracy.The experiment results demonstrate that the proposed algorithms are superior to original particle swarm optimization algorithms.

关 键 词： 粒子群优化算法 混沌寻优 优化 混沌运动 收敛速度

领　　域： [自动化与计算机技术] [自动化与计算机技术] [自动化与计算机技术] [自动化与计算机技术]