计算机工程与科学

作者：张文宁, 周清雷, 焦重阳, 梅亮

单位：1.信息工程大学数学工程与先进计算国家重点实验室，河南 郑州450001；2.中原工学院软件学院，河南 郑州 450007；3.郑州大学信息工程学院，河南 郑州 450001

关键词：粒子群优化算法,混沌策略,重心反向学习,单纯形搜索,测试数据生成,

基金：河南省科技攻关计划(172102210592，212102210417)

针对粒子群优化PSO算法后期种群多样性差和易陷入局部最优解等问题，提出具备重心反向学习和单纯形搜索行为的粒子群优化COLS-PSO算法。初始时，基于混沌策略构造出搜索空间。进化过程中，基于Spearman系数选择需要进行重心反向学习的粒子，以帮助算法逃离局部极值区域。进一步引入局部搜索能力较强的单纯形搜索方法增强对最优粒子邻近区域的开发，以提高搜索精度。实验先在若干标准测试函数上进行，之后将COLS-PSO算法应用于软件测试数据生成问题。实验结果表明，COLS-PSO算法在求解精度、收敛速度和有效性方面表现较好，能够有效平衡种群多样性和算法收敛性的矛盾。

来源：2023年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第9期