基于因素空间的模糊多种群粒子群算法

摘要

粒子群算法(Particle Swarm Optimizer, PSO)在处理较大数据的寻优问题时存在运行时间过长，易陷入局部最优的问题。文章基于传统粒子群算法，利用基于因素空间的特征选取法，优化特征数据组合，减少算法运行时间，利用多种群粒子群优化模型思想和模糊数学思想相结合提出基于因素空间的模糊多种群粒子群算法，增强了算法全局寻优能力并加快收敛速度，实现了算法的总体最优，改善了传统粒子群优化算法容易收敛到局部最优的缺陷。研究结果表明，与传统粒子群算法、动态多种群粒子群算法、基于密度峰值的多种群粒子群算法相比，文章所提出的基于因素空间的模糊多种群粒子群算法具有更优的寻找全局最优解能力和收敛速度。

关键词

因素空间 / 多种群粒子群算法 / 优化问题