一种基于信息熵的改进粒子群算法

【摘要】：基本粒子群算法具有搜索初期收敛速度慢、后期易陷入局部极值点的缺陷,针对这个问题,通过引入信息熵衡量粒子群体的适应度值,提出了一种基于信息熵的改进粒子群算法(IEPSO)。IEPSO的主要改进措施有:利用信息熵评价粒子适应度的“好坏”,衡量整个粒子群的寻优程度,划定的相应的信息熵阈值以选择不同惯性权重线性减小的幅度,达到算法快速收敛的目的。为减少陷入局部最优的可能性,当群体最优信息陷入停滞或局部粒子最优信息比较差时,对部分粒子进行初始化,重新更新粒子的位置和速度,从而保持群体的“活性”。对几种常用测试函数的仿真结果表明,对于一般的多峰函数,改进的粒子群算法比基本的粒子群算法能够取得更好的优化效果。