文件名称：论文研究-一种基于引导策略的自适应粒子群优化算法.pdf
文件大小：1.3MB
文件格式：PDF
更新时间：2022-08-11 17:23:31
粒子群优化算法,惯性权重,混合粒子
为解决粒子群优化算法前期搜索盲目，后期搜索速度慢且易陷入局部极值的问题，对算法中粒子更新方式和惯性权重进行了改进，提出了一种基于引导策略的自适应粒子群优化算法（improved particle swarm optimization algorithm，IPSO）。该算法在种群中引入四种粒子，即主体粒子、双中心粒子、协同粒子和混沌粒子对粒子位置更新进行引导，克服算法的随机性，从而提高搜索效率。为进一步克服粒子群优化算法进化后期易陷入早熟收敛的缺点，引入聚焦距离变化率的概念，通过聚焦距离变化率的大小动态调整惯性权重，以提高算法的收敛速度和精度，两者结合极大地提高了搜索到全局最优解的有效性。对四个标准测试函数进行仿真，实验结果表明IPSO算法在收敛速度、收敛精度以及成功率上都明显优于其他两种粒子群优化算法。