基于分组的PSO和DE混合算法（2014年）

简介：
本研究提出了一种结合粒子群优化(PSO)与差分进化(DE)的新型混合算法，并采用分组策略以提升算法在全局搜索及局部精炼的能力，有效解决复杂优化问题。 为了克服传统粒子群优化算法（PSO）和差分进化算法（DE）在处理高维复杂函数时容易陷入局部最优、收敛速度慢及精度低等问题，提出了一种基于分组的PSO与DE混合算法（PSODE）。该算法将初始种群按照维度划分为两部分，每部分的维度是原总数的一半，但总体数量保持不变。其中一部分采用改进版的PSO操作进行进化处理，另一部分则通过DE操作来推动进化过程，并利用信息交换机制实现协同优化。 相较于传统的PSO方法，新提出的算法在惯性权重的选择上有所不同：它按照一定概率交替使用非线性调整后的惯性权重和随机选取的惯性权重，从而更好地平衡了全局搜索与局部探索的能力。此外，该算法还引入了一种边界变异策略来有效避免某些粒子过早地陷入收敛状态，提高了整体优化过程的有效性和鲁棒性。