粒子群算法在處理優(yōu)化問題時(shí)缺乏有效的參數(shù)控制,易陷入局部最優(yōu),導(dǎo)致收斂精度低.提出一種新的改進(jìn)粒子群優(yōu)化算法,算法根據(jù)粒子的適應(yīng)度值動(dòng)態(tài)自適應(yīng)地調(diào)整算法中慣性權(quán)重和學(xué)習(xí)因子的取值,其中慣性權(quán)重采用非線性指數(shù)遞減,有利于平衡算法的全局搜索與局部搜索能力,避免算法陷入局部極值;學(xué)習(xí)因子采用異步變化的策略,以增強(qiáng)算法的學(xué)習(xí)能力,進(jìn)而提高算法的性能.數(shù)值實(shí)驗(yàn)結(jié)果表明,與SPSO、PSO-DAC算法相比較,改進(jìn)后的算法無論在收斂速度、穩(wěn)定性以及收斂精度上都有顯著提高.

【文章頁數(shù)】：6 頁

【文章目錄】：
1 引言
2 粒子群算法及相關(guān)參數(shù)分析
3 粒子群優(yōu)化算法的改進(jìn)
    3.1 非線性指數(shù)自適應(yīng)改變的慣性權(quán)重
    3.2 異步非線性自適應(yīng)改變的學(xué)習(xí)因子
    3.3 改進(jìn)的粒子群優(yōu)化算法實(shí)現(xiàn)步驟
4 仿真與討論
    4.1 測試函數(shù)
    4.2 仿真實(shí)驗(yàn)結(jié)果
5 結(jié)束語



本文編號(hào)：3861133