信息与控制

作者：张伟, 郑洪轩

关键词：融合指标分区, 多策略学习, 竞争群优化算法, 粒子群优化算法, 实时停滞检测

在粒子群优化算法中，多样性丢失会导致算法过早收敛，造成种群多样性和收敛性不足。为更好平衡种群多样性与收敛性，提出一种基于融合指标分区的多策略竞争群优化算法(multi-strategy competitive swarm optimization algorithm based on fusion index partition，FIMSCSO)。首先，为同时评估不同子种群的多样性和收敛性，提出一种利用融合指标的分区方法，更有效区分子种群性能，提升子种群粒子的搜索效率。其次，对通过分区获得的子种群设计多重学习机制。子种群内部学习时，为使子种群朝向更利于平衡收敛性与多样性的方向学习，将粒子性能与寻优过程结合，提出新的获胜粒子学习方法，提高种群粒子参与度和算法寻优效率；子种群间学习时，为减少整个种群陷入局部最优的可能性，引入改进三重竞争机制促进子种群间信息交流，帮助提高收敛精度。最后，设计实时停滞检测和变异策略帮助种群跳出局部最优。理论证明了所提算法的收敛性。实验结果表明，相比其他改进算法，所提FIMSCSO算法具有良好的收敛精度和寻优效率。

来源：2025年第1期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第1期