群智能优化中的粒子群优化算法研究
粒子群算法是一种基于种群的搜索随机优化方法，用于求解单/多目标问题的最优解。由于具有较强的鲁棒性、收敛速度快、可调参数少等优点，粒子群算法近年来受到不同领域研究人员的关注。但现有粒子群优化算法存在种群多样性不足、早熟收敛且易陷入局部最优等缺陷，当优化问题具有大量局部最优值或维数较高且不可分离时，解算效果较差。
近日，中国科学院精密测量科学与技术创新研究院大地测量新技术应用课题组在群智能优化中的粒子群优化算法研究中取得进展。该研究首先提出将整体种群划分为两个异构子群（综合学习策略子群体和动态多种群子群体），其中综合学习策略子群体主要负责开发，动态多种群子群体主要负责探索；其次，对动态多种群子群体的搜索能力进行分类，并根据该分类结果构建一种新的自适应非线性递减惯性权重；最后，引入两种变异算子（非均匀变异和高斯变异）提升算法的局部寻优能力。
新算法在大部分优化问题上均有效提高了收敛速度、寻优精度和可靠性。该智能优化算法有望在移动5G定位、智能驾驶、图像匹配定位等领域应用。