18、增强粒子群优化算法与多智能体巡逻策略研究

增强粒子群优化算法与多智能体巡逻策略研究

增强粒子群优化算法

在优化问题的求解中，粒子群优化算法是一种常用的方法。这里介绍了一种增强粒子群优化算法（C - EGPSO）及其改进版本（C - EGPSO - NN），并与标准粒子群优化算法（SPSO 2011）进行了对比。

不同问题的性能对比

• F1和F2问题 ：F1和F2问题都是单峰问题，C - EGPSO和C - EGPSO - NN在这两个问题上取得了相似的结果，且都优于SPSO 2011。这表明对于单峰问题，这两种方法具有较好的性能。
• F5问题 ：C - EGPSO和C - EGPSO - NN在F5问题上的收敛速度存在轻微差异。这是由于迭代方法和神经网络方法得到的ESS（进化稳定策略）存在轻微偏差，导致收敛速度不同。但这种差异并不影响算法的精度性能，C - EGPSO和C - EGPSO - NN仍然优于SPSO 2011。
• F12问题 ：F12问题与F5问题类似，C - EGPSO和C - EGPSO - NN在收敛速度上优于SPSO 2011，但两者之间也存在轻微差异。在迭代初期，两者收敛速度相似，但在3000次迭代后，迭代方法在精度上占据优势，能够更好地选择PSO参数。这说明在接近最优解时，优化搜索方向所需的精度变得非常敏感。

问题	C - EGPSO与C - EGPSO - NN结果对比	与SPS