基于自适应惯性权重的均值粒子群优化算法

摘要：

针对粒子收敛速度慢、搜索精度不高和算法性能在很大程度上依赖参数选取等缺点,提出了一种基于自适应惯性权重的均值粒子群优化算法.对算法中的惯性权重参数采用动态自适应变化方式,在迭代过程中根据粒子适应度差值将种群划分为三个等级,对不同等级的粒子采用不同的惯性权重策略,使粒子能根据自己所处的位置选择合适的惯性权重值,更快地收敛到全局最优位置;同时分别用个体极值和全局极值的线性组合取代PSO算法中的全局最优位置与个体最优位置.通过实验仿真与对比,验证了新算法性能优于标准PSO及其它一些改进的PSO算法,能够用较少的迭代次数找到最优解,具有更快的收敛速度和更高的收敛精度.

关键词：粒子群优化、均值、自适应惯性权重、适应度值

所属期刊栏目：38

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61363067;广西自然科学基金2015GXNSFAA139296

在线出版日期：2016-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：501-506