第4卷第3期 智能系统学报 Vol.4 No.3 2009年6月 CAAI Transactions on Intelligent Systems Jn.2009 doi:10.3969/j.issn.16734785.2009.03.001 粒子群优化方法在动态优化中的研究现状 陈杰，潘峰12，王光辉 (L.北京理工大学复杂系统智能控制与决策救育部重，底实验室，北京100O8l;2.Department of Electrical and Computer Engineering,Purdue School of Engincering and Technology,Indiana University-Purdue University Indianapolis,Indianapo- 1is,N46202,USA) 摘要：作为一种基于群智能的并行随机优化方法，粒子群优化算法(PS0)在优化求解问题中体现出了良好的性能. 从提出至今引起了广泛的关注，研究成果也不断涌现.从2000年开始，PS0被用于动态优化问题中.这对P$0的研 究提出了新的挑战，对于动态问题的优化不再是在解空间中找到一个最优点，而是要尽可能地在解空间中跟踪运动 变化的最优点.对目前为止对于P$0在动态环境优化问题的研究内容进行了分析和总结，介绍了针对动态环境优化 问题P$0的改进方法、对环境变化的检测和应对策路、优化性能评价的一系列方法以及各种试验及应用案例. 关键词：粒子群优化方法；动态环境优化；检测策略；应对策略；性能评价 中图分类号：TP391.41文献标识码：A文章编号：16734785(2009)030189-10 Review of the PSO research in dynamic environments CHEN Jie',PAN Feng12,WANG Guang-hui (1.Key Laboratory of Complex System Intelligent Control and Decision of Ministry of Education,Beijing Institute of Technology,Bei- jing 100081,China;2.Department of Electrical and Computer Engineering,Purdue School of Engineering and Technology,Indiana University-Purdue University Indianapolis,Indianapolis,IN 46202,USA) Abstract:Particle swarm optimization (PSO),a parallel random optimization method based on swarm intelligence, exhibits good performance for optimization problems.Since 2000,PSO has been applied to optimization problems in dynamic environments.The challenge with PSO is that the objective is not only to locate an optimum,but also to track that moving optimum as closely as possible.This paper presented the latest developments of PSO in dynamic environments.Various research approaches were reviewed,including improvements in PSO,dynamic change detec- tion,response strategies,performance evaluation and experiments used in researching dynamic problems. Keywords:particle swarm optimization (PSO);optimization in dynamic environment;detection strategy;response strategy;performance evaluation 生物社会学家E.0.Wilson认为，对于生物种 涌现习然而，在现实世界的许多系统中存在很多 群，个体在搜索食物的过程中可以从群体其他成员 动态的问题.所谓动态问题，是指问题中变量的状态 的经验和经历中获取信息，在搜索未知的、不可预测 常常随着时间的变化而变化，可以是随时间离散变 的零星分布的食物时，这种协作行为的优势远大于 化，或随时间连续变化的，甚至有些是交替进行的， 竞争压力.从这种协作模型中得到启示，Kenned和 诸如价格浮动、路径规划、目标识别、动态规划、投资 Eberhart!]于1995年提出了基于群体智能的并行优 分配、数据挖掘等等.动态优化问题，就是为了获得 化算法一粒子群优化方法(particle swarm optimizer, 诸如上述动态问题的最优解随时间的变化轨迹.动 PS0).并且随着十多年的研究进展，研究成果不断 态优化问题对计算智能方法提出了挑战，主要是因 为动态问题中，不再要求算法在搜索空间中寻找最 收稿日期：200808-22. 优值，而是希望它们能在解空间中尽可能的跟踪最 基金项目：高等学校优秀背年教师数学科研奖励计划资助项目 (20010248). 优解的变化轨迹.同遗传算法、进化计算法、进化规 通信作者：潘峰.Email:andropan(@gmal.com 划等优化方法类似，PS0的研究也已建立了一个多