改进局部搜索混沌离散粒子群优化算法

　　针对基本离散粒子群优化（ DPSO）算法收敛速度慢、易于陷入局部最优等问题，提出了一种基于优秀系数的局部搜索混沌离散粒子群优化（ILCDPSO）算法并用于求解旅行商问题（TSP）。基于轮盘赌选择原理，给每段路径设定一个合理的优秀系数，以提高短边被选择的概率，从而有利于提高算法的寻优能力和收敛速度；为了进一步提高解的精确性，在算法机制中添加了局部搜索策略，通过调整每个城市在给定邻城内的城市路径，提高算法的局部搜索能力；另外，在算法的迭代公式中加入了混沌序列来提高粒子的随机性和多样性，增强了算法的全局搜索能力。最后用国际通用的TSP数据库（TSPLIB）中的若干经典实例对算法进行了测试，并与粒子群优化（PSO）算法、改进的PSO（IPSO）算法和混沌PSO（ CPSO）算法等进行了比较。实验数据显示，在相同的实验条件下，与其他算法相比，ILCDPSO算法获得最优解的平均迭代次数较少且获得最优解的次数比例最高。研究结果表明，加入优秀系数后，ILCDPSO算法在收敛速度、全局寻优能力以及稳定性方面均优于其他算法。