一种基于混沌理论的自适应粒子群优化算法

摘要

本发明提出了一种基于混沌理论的自适应粒子群优化算法，结合线性惯性权重和非线性惯性权重，自适应地调整粒子的局部搜索能力和全局搜索能力；采用非线性方法，自适应调整加速度系数，使得粒子快速获得全局最优解，避免陷入局部最优，加快收敛速度；采用Logistic映射生成一系列混沌变量来初始化种群，增加种群的丰富性和便利性，使得粒子更加容易跳出局部最优；引入基于混沌理论的控制因子γ自适应地调整混沌搜索范围，以更好的点替换当前的全局最佳点。本发明所提出的算法不仅能有效防止粒子错过全局最优解，而且使粒子有很大概率跳出全局最优解。相比于其他算法，本发明所提出的算法不仅具有较高的收敛精度且稳定性强，更容易找到全局最优解。