作者:刘欣蔚; 王浩; 雷晓辉; 廖卫红; 王明娜; ...粒子群算法新安江模型参数优化参数设置正交试验
摘要:合理的粒子群算法( Particle Swarm Optimization Algorithm, PSO)的参数设置, 可以提高算法的优化效率、避免陷入局部最优值, 但常用参数设置对于特定优化问题, 如新安江模型模拟, 不具普适性.为分析种群规模pop、惯性权重w、学习因子c1和c2以及速度位置相关系数m这5个粒子群参数对新安江模型模拟结果的影响, 对每个参数取5个不同水平, 应用L25(56) 正交表, 设计了正交试验.通过对试验结果进行分析, 得出了参数对PSO算法性能的影响能力和最优的参数组合方案(pop=80, w=1.3-0.4线性递减, c1=1.85, c2=2.5, m=0.05) .通过极差分析和方差分析, 得出参数pop和w对模型模拟结果具有高显著性, 其他三个参数对模型模拟结果不显著.将不同PSO参数组合应用于新安江模型模拟, 证明了合理的PSO算法参数设置可以有效提高新安江模型模拟精度.通过对各因素分别进行趋势分析, 得到了因素取值变化趋势与模型结果变化趋势的相关关系.本文提出的方法为如何寻找某一特定应用情景下的PSO算法参数组合提供了一种借鉴.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社