邻域结构为复杂网络的粒子群算法

为避免早熟收敛和局部最优，设计了一种基于复杂网络进行个体交互的粒子群算法（CNS-PSO）。该算法在粒子与网络节点间建立映射关系，并根据节点的邻居集合，获得粒子的动态飞行邻居。每个飞行邻居集合是一个独立又彼此联系的进化小社会。在CNS-PSO中，每个粒子的位置更新策略不仅考虑了认知部分及社会的信息共享，还考虑了小社会内和小社会间的信息交流。在八个测试函数上，将CNS-PSO与标准PSO进行了对比，在不同维度的大多数函数上，前者的性能均优于后者，说明具有无标度网络邻域结构的CNS-PSO算法具有较强的避免早熟和逃逸局部最优的能力。