粒子群优化算法参数设置

一．粒子群优化算法综述1.6粒子群优化算法的参数设置1.6.1粒子群优化算法的参数设置—种群规模N种群规模N影响着算法的搜索能力和计算量：PSO对种群规模要求不高，一般取20-40就可以达到很好的求解效果，不过对于比较难的问题或者特定类别的问题，粒子数可以取到100或200。1.6.2粒子的长度D粒子的长度D由优化问题本身决定，就是问题解的长度。粒子的范围R由优化问题本身决定，每一维可以设定不同的范围。1.6.3最大速度Vmax决定粒子每一次的最大移动距离，制约着算法的探索和开发能力Vmax的每一维一般可以取相应维搜索空间的10%-20%，甚至100%，也有研究使用将Vmax按照进化代数从大到小递减的设置方案。1.6.4惯性权重控制着前一速度对当前速度的影响，用于平衡算法的探索和开发能力一般设置为从0.9线性递减到0.4，也有非线性递减的设置方案；可以采用模糊控制的方式设定，或者在[0.5,1.0]之间随机取值；设为0.729的同时将c1和c2设1.49445，有利于算法的收敛。1.6.5压缩因子限制粒子的飞行速度的，保证算法的有效收敛Clerc0.729，同时c1和c2设为2.05。1.6.6加速系数c1和c2加速系数c1和c2代表了粒子向自身极值pBest和全局极值gBest推进的加速权值。c1和c2通常都等于2.0，代表着对两个引导方向的同等重视，也存在一些c1和c2不相等的设置，但其范围一般都在0和4之间。研究对c1和c2的自适应调整方案对算法性能的增强有重要意义。1.6.7终止条件终止条件决定算法运行的结束，由具体的应用和问题本身确定。将最大循环数设定为500，1000，5000，或者最大的函数评估次数，等等。也可以使用算法求解得到一个可接受的解作为终止条件，或者是当算法在很长一段迭代中没有得到任何改善，则可以终止算法。1.6.8全局和局部PSO决定算法如何选择两种版本的粒子群优化算法—全局版PSO和局部版PSO，全局版本PSO速度快，不过有时会陷入局部最优；局部版本PSO收敛速度慢一点，不过不容易陷入局部最优。在实际应用中，可以根据具体问题选择具体的算法版本。1.6.9同步和异步更新同步和异步两种更新方式的区别在于对全局的gBest或者局部的lBest的更新方式：在同步更新方式中，在每一代中，当所有粒子都采用当前的gBest进行速度和位置的更新之后才对粒子进行评估，更新各自的pBest，再选最好的pBest作为新的gBest。在异步更新方式中，在每一代中，粒子采用当前的gBest进行速度和位置的更新，然后马上评估，更新自己的pBest，而且如果其pBest要优于当前的gBest，则立刻更新gBest，迅速将更好的gBest用于后面的粒子的更新过程中。一般而言，异步更新的PSO具高效的信息传播能力，具有有更快的收敛速度。