基于模糊高斯学习策略的粒子群进化融合算法

　　针对粒子群优化（PSO）算法存在的开发能力不足，导致算法精度不高、收敛速度慢以及微分进化算法具有的探索能力偏弱，易陷入局部极值的问题，提出一种基于模糊高斯学习策略的粒子群一进化融合算法。在标准粒子群算法的基础上，选取精英粒子种群，运用变异、交叉、选择进化算子，构建精英粒子群一进化融合优化机制，提高粒子种群多样性与收敛性；引入符合人类思维特性的模糊高斯学习策略，提高粒子寻优能力，形成基于模糊高斯学习策略的精英粒子群和微分进化融合算法。对9个标准测试函数进行了计算测试和对比分析，结果表明函数Schwefel.1.2、Sphere、Ackley.Griewank与Quadric Noise计算平均值分别为1.5E - 39、8.5E - 82、9.2E - 13、5.2E - 17、1.2E - 18，接近算法最小值；Rosenbrock、Rastrigin、Schwefel及Salomon函数收敛平均值较四种对比粒子群优化算法计算结果提高了1-3个数量级；同时，收敛性显示算法收敛速度较对比算法提高了5%- 30%。算法在提高计算收敛速度和精度上效果明显，具有较强的逃离局部极值的能力和全局搜索能力。