基于TS模糊推理的粒子群算法.pdf

1、粒子群優(yōu)化算法(Particle Swarm Optimization PSO)是一種新興的群體智能優(yōu)化算法，具有分布式、協(xié)同合作性、自組織性和實(shí)現(xiàn)簡(jiǎn)單等特點(diǎn)，這使得該算法能夠在全局信息缺乏時(shí)能夠迅速地處理各種復(fù)雜問(wèn)題，也為典型的復(fù)雜性問(wèn)題的求解開(kāi)辟了新的途徑，但該算法在處理高維復(fù)雜問(wèn)題時(shí)仍有相當(dāng)大的可能陷入局部最優(yōu)，如何通過(guò)保障Exploration和Exploitation之間的均衡來(lái)加強(qiáng)全局搜索能力，是該領(lǐng)域的研究熱點(diǎn)和難點(diǎn)。

2、r>　　從兩個(gè)方面對(duì)PSO算法進(jìn)行了改進(jìn)，其一是基于孫俊等人的量子行為粒子群優(yōu)化算法(Quantum-behaved Particle Swarm Optimization QPSO)，提出了基于Takagi-Sugeno(TS)模糊推理的自適應(yīng)量子行為粒子群優(yōu)化算法（Adaptive Quantum-behaved Particle Swarm Optimization AQPSO），在慣性權(quán)重和種群多樣性上對(duì)粒子群優(yōu)化算法進(jìn)行了改進(jìn)

3、。該算法利用群體分布和探索進(jìn)程信息，由TS模糊推理動(dòng)態(tài)地調(diào)整算法參數(shù)及其迭代方式，從而保證種群在更大的空間探索，減少陷入局部最優(yōu)的概率。其二是基于Riget等人提出的attractive and repulsive PSO(ARPSO)算法，提出了動(dòng)態(tài)地調(diào)整慣性權(quán)重的算法(Dynamic attractive and repulsive PSO DARPSO)，該算法不是簡(jiǎn)單地用線性遞減策略，而是根據(jù)粒子是收縮狀態(tài)還是擴(kuò)張狀態(tài)而動(dòng)態(tài)地調(diào)