摘要: 针对粒子群优化算法中存在的局部收敛问题, 提出一种融合惯性权重调整和群体最佳位置变异两种策略的粒子群优化算法. 该算法将个体粒子的状态信息引入惯性权重策略, 独立调整每个粒子的惯性权值, 体现个体粒子对权重需求的差异 . 在最佳位置变异策略中采用分级思想, 根据粒子群的搜索状态选择相应的极值变异方式, 使变异操作更具针对性. 实验结果表明, 该算法对多个测试函数都表现出良好的优化性能, 能有效避免局部收敛问题, 提高了粒子群的全局搜索能力.
中图分类号:
刘振, 周先存. 基于独立权重和分级变异策略的粒子群算法[J]. 吉林大学学报(理学版), 2017, 55(02): 333-339.
LIU Zhen, ZHOU Xiancun. Particle Swarm Optimization Algorithm Based on IndependentWeight and Classification Mutation Strategy[J]. Journal of Jilin University Science Edition, 2017, 55(02): 333-339.