廖玮霖;程杉;尚冬冬;魏昭彬;

• 1:三峡大学微电网湖北省协同创新中心

摘要(Abstract)：

受天体学和植物学启发,提出一种多策略融合的粒子群优化算法(MSPSO),以改善粒子群优化算法(PSO)易陷入局部最优的不足。三黑洞系统捕获策略和多维随机干扰策略的引入,使算法增强全局开拓能力的同时兼顾局部搜索能力,并通过协调因子完成从全局寻优向局部搜索的转变,进而提高收敛速度。同时,早熟扰动策略的采用,使算法陷入局部最优的概率降低。采用9个测试函数,将该算法与其他5种算法进行性能对比。仿真结果表明,MSPSO算法具有在相同迭代下更好的寻优能力、在给定精度下更快的收敛速度等优势。

关键词(KeyWords)： 粒子群优化算法;三黑洞系统捕获;多维随机干扰;协调因子;早熟扰动

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金（51607105）

作者(Author): 廖玮霖;程杉;尚冬冬;魏昭彬;

Email:

DOI:

参考文献(References)：

• [1] KENNEDY J,EBERHART R.Particle swarm optimization[C]//Proceedings of International Conference on Neural Networks,1995:1942-1948.
• [2]程声烽，程小华，杨露.基于改进粒子群算法的小波神经网络在变压器故障诊断中的应用[J].电力系统保护与控制，2014,42(19):37-42.
• [3]林雪华，洪国巍，郭琦，等.基于改进MOPSO的MMC控制参数多机联合优化[J].电力系统保护与控制，2017,45(9):48-55.
• [4] JASMINE J,ANNADURAI S.Real time video image enhancement approach using particle swarm optimisationtechnique with adaptive cumulative distribution function Based histogram equalization[J].Measurement,2019,145:833-840.
• [5]陈秋鑫.分数阶粒子群优化及其在聚类分析中的应用[D].江苏镇江：江苏科技大学，2019.
• [6]王金杰，李炜.混合互信息和粒子群算法的多目标特征选择方法[J].计算机科学与探索，2020,14(1):83-95.
• [7]霍林，陆寅丽.改进粒子群算法应用于Android恶意应用检测[J].计算机工程与应用，2020,56(7):96-101.
• [8]何庆元，韩传久.带有扰动项的改进粒子群算法[J].计算机工程与应用，2007,43(7):84-86.
• [9]范成礼，邢清华，李响，等.带反向预测及斥力因子的改进粒子群优化算法[J].控制与决策，2015,30(2):311-315.
• [10] LI M,CHEN H,SHI X,et al.A multi-information fusion“triple variables with iteration” inertia weight PSO algorithm and its application[J].Applied Soft Computing Journal,2019,84:105677.
• [11]张鑫，邹德旋，肖鹏，等.自适应简化粒子群优化算法及其应用[J].计算机工程与应用，2019,55(8):250-263.
• [12]高立群，吴沛锋，邹德旋.基于变异策略的粒子群算法[J].东北大学学报（自然科学版），2010,31(11):1530-1533.
• [13]谭阳，唐德权，全惠云.一种排异竞争的粒子群优化算法[J].系统仿真学报，2011,23(12):2635-2646.
• [14]张震，潘再平，潘晓弘.基于剪枝策略的骨干粒子群算法[J].控制与决策，2015,30(9):1591-1596.
• [15]李炜，巢秀琴.改进的粒子群算法优化的特征选择方法[J].计算机科学与探索，2019,13(6):990-1004.
• [16]高卫峰，刘三阳，焦合华，等.引入人工蜂群搜索算子的粒子群算法[J].控制与决策，2012,27(6):833-838.
• [17]任聪，葛洪伟，杨金龙，等.引入混合蛙跳搜索策略的人工蜂群粒子群算法[J].计算机工程与应用，2015,51(22):38-41.
• [18] GUPTA I K,SHAKIL S.A hybrid GA-PSO algorithm to solve traveling salesman problem[J].Advances in Intelligent Systems and Computing,2019,798:453-462.
• [19]周蓉，李俊，王浩.基于灰狼优化的反向学习粒子群算法[J].计算机工程与应用，2020,56(7):48-56.
• [20] SHI Y H,EBERHART R C.A modified particle swarm optimizer[C]//Proceedings of the IEEE Conference on Evolutionary Computation,1998:69-73.
• [21] VALTONEN M J.Merging galaxies and black hole ejections[J].International Astronomical Union Colloquium,1990,124:497-502.
• [22] VALTONEN M J.Triple black hole systems formed in mergers of galaxies[J].Monthly Notices of the Royal Astronomical Society,1996,278:186-190.
• [23]徐生年.星系中心大质量黑洞宇宙学演化模型[D].合肥：中国科学技术大学，2014.
• [24] SULTAN S E.An emerging focus on plant ecological development[J].New Phytologist,2005,166:1-5.
• [25] WADDINGTON C H.The strategy of the genes[M].London:Routledge,2014.
• [26] CLERC M,KENNEDY J.The particle swarm:explosion,stability,and convergence in a multidimensional complex space[J].IEEE Transactions on Evolutionary Computation,2002,6:58-73.
• [27] ZHANG J Q,LIU K,TAN Y,et al.Random black hole particle swarm optimization and its application[C]//Proceedings of International Conference on Neural Networks and Signal Processing,2008:359-365.
• [28]王玉昆，陈雪波.独立局部搜索与多区域渐近收敛的新型PSO算法[J].控制与决策，2018,33(8):1382-1390.
• [29]徐利锋，黄祖胜，杨中柱，等.引入多级扰动的混合型粒子群优化算法[J].软件学报，2019,30(6):1835-1852.