《表1 粒子群初始化策略：露天矿山企业长期生产计划模型与优化算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《露天矿山企业长期生产计划模型与优化算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

传统粒子群算法主要采用随机方法使种群中初始粒子处于随机均匀状态，这种状态不利于种群边界上粒子向最优解靠拢，也不利于粒子向最优解快速形成合围态势。近年来，学者们提出了Beta分布[14]初始化策略和基于反向学习[15]的初始化策略，且均获得了较好的效果。充分考虑这两种初始化种群策略的优势，提出了一种新型的贝塔反向学习融合初始化种群策略，该策略的基本思想是：首先，为了实现种群内初始粒子位置尽可能地包围最优解，利用Beta分布函数[14]，实现种群内粒子位置的多样性；其次，利用β概率分布函数对种群初始化后的候选解Xij按照空间维度D进行赋值，实现最优解的包围态势；然后，为了吸引粒子向最优解进一步靠近，利用反向学习策略，对初始种群的候选解Xij（S）中的个体粒子的对称个体进行计算，形成Xij（S）的对称种群OXij（S），计算对称种群内粒子的位置和速度；最后，从{X（S）∪OX（S）}集合选取适应度最好S个粒子作为算法的初始种群。初始化策略的伪代码如表1所示。