工程科学学报，第39卷，第3期：462-473,2017年3月 Chinese Journal of Engineering,Vol.39,No.3:462-473,March 2017 DOI:10.13374/j.issn2095-9389.2017.03.020:http://journals.ustb.edu.cn 基于逐层演化的群体智能算法优化 张水平，王碧四，陈阳 江西理工大学信息工程学院，赣州341000 ☒通信作者，E-mail:happyeveryday._386@163.com 摘要为能彻底解决群体智能算法早熟问题的同时保持原算法主体不变且可与现有优化理论协同优化，在前期仿真实验 和理论证明的基础上，提出了一种逐层演化的改进策略.利用在原算法中构建基于搜索空间压缩理论的自适应系统，通过逐 层的压缩、选择、再初始化的操作，以包括压缩后搜索空间在内的社会信息作为遗传知识，指导寻优过程，从而实现最终解精 度的提升、避免早熟问题的出现.对基准函数进行仿真实验可以看出该策略在提升算法精度，增强后期个体活性方面具有良 好的表现. 关键词群体智能：搜索空间：逐层演化：早熟 分类号TP301.6 Optimization for swarm intelligence based on layer-by-ayer evolution ZHANG Shui-ping,WANG Bi,CHEN Yang) Faculty of Information Engineering,Jiangxi University of Science and Technology,Ganzhou 341000,China Corresponding author,E-mail:happyeveryday_386@163.com ABSTRACT A layer-by-ayer evolution strategy was proposed to deal with the premature convergence of swarm intelligence as a col- laborator with other existing researches based on pre-experiments and simple proofs.For promoting the precision of solution and eviting the premature convergence,the self-adaption system was constructed on the basis of the primal algorithm,operations such as compres- sion,selection and re-initialization using the technology of layer-by-ayer,and the social information was used including the com- pressed research space and the optimal solution.The improvements of precision of solution and the vitality of terminal individuals can be found in results of simulation experiments with benchmark functions. KEY WORDS swarm intelligence:search space:layer-by-ayer;premature convergence 群体智能算法是以多个体为探索主体，利用群组增加种群内个体数量和迭代次数.随之而来的是更加 之间的有效社会信息对个体演化产生影响，从而进行「 巨大的计算开销.同时，由于现有对各算法的改进优 最优解探索并保证算法收敛的一类优化算法，如遗传化成果众多，且有良好效果.但策略之间存在明显的 算法(GA)、粒子群优化算法(PS0)和差分进化(DE)非兼容性.如果不考虑对大多数现有优化策略的兼容 等.智能算法体系中，各类算法通过不同的演化策略 问题，无疑是对以往研究成果的一种巨大浪费.为此， 实现对全局最优解的定位，而在这过程中如何避免局 如何k在不改变原有算法收敛性的前提下，尽可能的 部最优解和早熟问题是二十余年来改进算法所不断研 改变收敛曲线在算法末期保持不变或变化较小的现 究的重点.然而，由于算法具有收敛性及强随机性，早 状，是本文希望解决的主要问题 熟问题并未得到良好的解决，其表现为收敛曲线随迭 在材料领域，layer-by-ayer(LBL)技术被用来对纳 代次数增加而趋于平滑.这是算法收敛性所带来的必 米薄膜进行组装0.通过利用浸泡(immersive)、离心 然结果，同时也使得在需要获得更加精确的解时，只能 旋转(spin)、喷洒(spray)、电解(electromagnetic)和液 收稿日期：20160509工程科学学报，第 39 卷，第 3 期: 462--473，2017 年 3 月 Chinese Journal of Engineering，Vol． 39，No． 3: 462--473，March 2017 DOI: 10． 13374 /j． issn2095--9389． 2017． 03． 020; http: / /journals． ustb． edu． cn 基于逐层演化的群体智能算法优化 张水平，王 碧，陈 阳 江西理工大学信息工程学院，赣州 341000 通信作者，E-mail: happyeveryday_386@ 163． com 摘 要 为能彻底解决群体智能算法早熟问题的同时保持原算法主体不变且可与现有优化理论协同优化，在前期仿真实验 和理论证明的基础上，提出了一种逐层演化的改进策略． 利用在原算法中构建基于搜索空间压缩理论的自适应系统，通过逐 层的压缩、选择、再初始化的操作，以包括压缩后搜索空间在内的社会信息作为遗传知识，指导寻优过程，从而实现最终解精 度的提升、避免早熟问题的出现． 对基准函数进行仿真实验可以看出该策略在提升算法精度，增强后期个体活性方面具有良 好的表现． 关键词 群体智能; 搜索空间; 逐层演化; 早熟 分类号 TP301. 6 Optimization for swarm intelligence based on layer-by-layer evolution ZHANG Shui-ping1) ，WANG Bi1)  ，CHEN Yang1) Faculty of Information Engineering，Jiangxi University of Science and Technology，Ganzhou 341000，China  Corresponding author，E-mail: happyeveryday_386@ 163． com ABSTＲACT A layer-by-layer evolution strategy was proposed to deal with the premature convergence of swarm intelligence as a col￾laborator with other existing researches based on pre-experiments and simple proofs． For promoting the precision of solution and eviting the premature convergence，the self-adaption system was constructed on the basis of the primal algorithm，operations such as compres￾sion，selection and re-initialization using the technology of layer-by-layer，and the social information was used including the com￾pressed research space and the optimal solution． The improvements of precision of solution and the vitality of terminal individuals can be found in results of simulation experiments with benchmark functions． KEY WOＲDS swarm intelligence; search space; layer-by-layer; premature convergence 收稿日期: 2016--05--09 群体智能算法是以多个体为探索主体，利用群组 之间的有效社会信息对个体演化产生影响，从而进行 最优解探索并保证算法收敛的一类优化算法，如遗传 算法( GA) 、粒子群优化算法( PSO) 和差分进化( DE) 等． 智能算法体系中，各类算法通过不同的演化策略 实现对全局最优解的定位，而在这过程中如何避免局 部最优解和早熟问题是二十余年来改进算法所不断研 究的重点． 然而，由于算法具有收敛性及强随机性，早 熟问题并未得到良好的解决，其表现为收敛曲线随迭 代次数增加而趋于平滑． 这是算法收敛性所带来的必 然结果，同时也使得在需要获得更加精确的解时，只能 增加种群内个体数量和迭代次数． 随之而来的是更加 巨大的计算开销． 同时，由于现有对各算法的改进优 化成果众多，且有良好效果． 但策略之间存在明显的 非兼容性． 如果不考虑对大多数现有优化策略的兼容 问题，无疑是对以往研究成果的一种巨大浪费． 为此， 如何 k 在不改变原有算法收敛性的前提下，尽可能的 改变收敛曲线在算法末期保持不变或变化较小的现 状，是本文希望解决的主要问题． 在材料领域，layer-by-layer( LBL) 技术被用来对纳 米薄膜进行组装［1］． 通过利用浸泡( immersive) 、离心 旋转( spin) 、喷洒( spray) 、电解( electromagnetic) 和液