【出 处】：《 计算机仿真 》 CSCD 2012年第29卷第2期 208-212页,共5页

【作 者】： 刘建平

【摘 要】 研究粒子群算法优化问题，由于标准粒子群优化算法（PSO）在高维复杂函数优化中易早收敛，影响全系统优化。为改进的混合粒子群优化算法，提出了一种基于混沌和差分进化的混合粒子群优化算法（CDEHPSO）。把基于Logistic映射的混沌序列引入到种群初始化操作中。在算法进化过程中，通过一种粒子早熟判断机制，在基本粒子群优化算法中引入了差分变异、交叉和选择操作，对早熟粒子个体进行差分进化操作，从而维持了种群的多样性并有效避免了算法陷入局部最优。仿真结果表明，相比于粒子群优化算法和差分进化算法（DE），CDEHPSO算法具有收敛速度快、搜索能力强的优点。