独立自适应调整参数的粒子群优化算法

摘要：

针对传统粒子群优化算法在求解复杂优化问题时易陷入局部最优和依赖参数的取值等问题,提出了一种独立自适应参数调整的粒子群优化算法.算法重新定义了粒子进化能力、种群进化能力以及进化率,在此基础上给出了粒子群惯性权重及学习因子的独立调整策略,更好地平衡了算法局部搜索与全局搜索的能力.为保持种群多样性,提高粒子向全局最优位置的收敛速度,在算法迭代过程中,采用粒子重构策略使种群中进化能力较弱的粒子向进化能力较强的粒子进行学习,重新构造生成新粒子.最后通过CEC2013中的10个基准测试函数与4种改进粒子群算法在不同维度下进行测试对比,实验结果验证了该算法在求解复杂函数时具有高效性,通过收敛性分析说明了算法的有效性.

关键词：粒子群算法(PSO)、惯性权重、学习因子、粒子重构

所属期刊栏目：14

分类号：TP301(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61663023 国家自然科学基金

在线出版日期：2020-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：637-648