来源：期刊VIP网 时间：
作者：张伟;张润雨;
单位：河南理工大学电气工程与自动化学院;
摘要：目的 为了解决粒子群优化（particle swarm optimization,PSO）算法易早熟收敛、后期收敛速度慢、精度低等问题，方法提出一种基于精英知识引导的多种群协作粒子群优化算法（multi-group cooperation particle swarm optimization algorithm,MGCPSO）。首先，采用基于幂函数约束的logistic映射得到分布均匀的初始种群，加快寻优速度并提高找到最优解的概率；其次，在算法执行阶段动态划分多种群，并利用精英知识引导劣势粒子飞行，实现粒子间的信息共享和协同进化，降低粒子在解空间探索的盲目性；最后，综合融入精英知识的反向学习和极值扰动策略对粒子施加变异，帮助粒子扩大搜索区域并加强对最优邻域的精细探索。结果为验证MGCPSO的性能，在30维和100维的基准测试函数上进行了仿真实验研究，结果表明，相比于其他几种改进算法，提出的算法在收敛速度和收敛精度上均有良好表现。结论 多种群协作粒子群优化可以有效避免算法早熟收敛和陷入局部最优，同时可以提高算法的全局搜索能力和局部开发能力。
关键词：粒子群优化算法;;Logistic映射;;多种群;;精英知识;;反向学习;;极值扰动
基金资助：国家自然科学基金资助项目（61703145）;; 河南省科技攻关项目（222102210213）
