一种最优粒子逐维变异的粒子群优化算法

摘要：

针对粒子群算法(Particle Swarm Optimization,PSO)容易陷入局部最优、收敛速度过慢、精度低等问题,提出一种新的变异策略,对全局最优粒子进行逐维的重心反向学习变异.逐维变异降低了维间干扰,通过更新全局最优位置引领粒子向更好的位置飞行,同时加强了种群的多样性.仿真实验与基于柯西变异的混合粒子群算法(HPSO)及重心反向粒子群优化算法(COPSO)在9个标准测试函数上进行了对比.实验表明逐维重心反向变异算法(DCOPSO)具有较高的收敛速度及精度.

关键词：逐维变异、重心反向学习、粒子群算法

所属期刊栏目：41

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金项目31971015;哈尔滨市科技局科技创新人才研究专项项目2017RAQXJ050

在线出版日期：2020-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：259-263