基于诺兰模型思想的改进混沌粒子群优化算法及评价

摘要

针对粒子群优化算法(PSO)在处理高维复杂函数时容易陷入局部极值、收敛速度慢的缺陷,从系统的认知分析过程和角度出发,提出一种基于诺兰模型(NM)思想的改进PSO算法.该算法在Tent混沌映射选择的参数的基础上,结合NM信息融合和协调的思想,在速度更新过程中增加均衡项,并设计粒子群的欧氏距离指数以防止早熟,从而实现对粒子的自动调整、保证多样性和提高算法的全局搜索能力.最后,运用典型函数对所提出算法进行测试,并与最新相关算法进行比较,结果表明,所提出算法在全局搜索能力、效率和稳定性方面均具有明显的优势.