基于三重竞争机制的PSO算法（CSO）

TCSO算法来源

论文标题：A modified competitive swarm optimizer for large scale optimization problems

作者：Prabhujit Mohapatra , Kedar Nath Das, Santanu Roy Department of Mathematics, National Institute of Technology Silchar, Silchar, Assam, India

期刊：Applied Soft Computing 30 May 2017

TCSO算法思想

①假设在D维搜索空间中，群体规模为N，群体中每个粒子i(1≤i≤N)有如下两个属性

• 位置(p_i ) ⃗(t)=(p_i1，p_i1，…，p_id， …，p_iD)
• 飞行速度(v_i ) ⃗(t)=(v_i1，v_i1，…，v_id， …， v_iD)

②接下来，在迭代过程中，首先计算每个粒子的适应度的值（错误率）

③迭代时，使用有别于简单单目标CSO竞争选择机制：随机选取3个粒子进行竞争选择，胜者直接进入子代，两个败者学习胜者、更新后进入子代。

流程图

Step1:初始化（Initialization）

Step2:竞争选择（Tri-competition）

Step3:粒子升级（Upgradation）

TCSO算法伪代码

TCSO算法分析

①三重竞争机制的单目标CSO继承了双重竞争机制单目标CSO的优点。（如防止PSO陷入局部最优等方面）

②在三重竞争机制的单目标CSO中，每一次迭代中2/3的粒子需要更新，这使得收敛的速度加快了，并且向更优的解发展。

③在三重竞争机制的单目标CSO中，每一次迭代中1/3的粒子直接进入下一代， 2/3的粒子学习胜者，这样使提高了粒子的多样性。

④在时间效率上和双重CSO一样是O(mn)。