多模态函数全局优化的综合学习粒子群优化器

本文提出了一种称为综合学习粒子群优化器（CLPSO）的粒子群优化器（PSO）变体，该方法采用了一种新颖的学习策略，利用所有其他粒子的历史最佳信息来更新粒子的速度。这一策略使得群体的多样性得以保持，从而抑制过早收敛。我们对多模态测试函数（如Rosenbrock、Griewank、Rastrigin、Ackley和Schwefel）及其组合函数（包括和不包括坐标旋转）进行了实验（可从http://www.ntu.edu.sg/home/epnsugan获取代码）。结果表明，CLPSO在解决多模态问题时表现良好，与其他八种最近的PSO变体相比有显著的优势。