·552 智能系统学报 第7卷 些测试函数的优化上比PSOP℃和FDR-PSO的收敛 速度稍慢， 3.0r 7 2.5 2.0 1.5 1.0 0.5 0 0.5 34 迭代次数 迭代次数 迭代次数 (a)f (b)5 (c)f 60+ 5.6 5.2 4.8 -10 4.4 10 =4 23456 234 610 4.0 3.4610 迭代次数 达代次数 迭代次数 (d)f (e)f后 (f)f 2.5×10 3.0r -2.6 2.8 -2.7 2.6 2.4 -2.9 4 2.2 -3.0 -31 1.8 -3.2 1.6 -3. 0 10 0 1 3456 5 6 1 2 3456 逃代次数 迭代次数 达代次数 -SPSO--PSOP℃ PSO-FDR --HPSO-TVAC --ILPSO (g) (h)f. (j)fio 图1各种算法实验结果的平均最优值变化 Fig.1 The convergence curve of invdved algorithms 4 结束语 测试函数的实验结果表明LPS0具有较高的搜索 精度和鲁棒性，特别在求解复杂的问题中，体现的优 在分析基本PS0算法学习策略缺陷的基础上， 化性能更加突出.如何在保证LPS0搜索精度和鲁 启发于人类社会学习的特点，本文提出了一种交互 棒性的同时，并进一步提高收敛速度，以及将LPS0 学习的PS0算法—LPS0.交互学习策略中学习 应用到实际问题的求解中是未来研究的重点， 种群和被学习种群在搜索的过程中能够相互转换， 且改善了粒子学习方向“单一性”的缺陷，保证了群 参考文献： 体的多样性，从而提高了算法的全局搜索能力.多个 [1]EBERHART R C,KENNEDY J.Particle swarm optimiza-