基于自适应动态改变的粒子群优化算法

发布时间：2023-11-05 13:35

　　粒子群算法在处理优化问题时缺乏有效的参数控制,易陷入局部最优,导致收敛精度低.提出一种新的改进粒子群优化算法,算法根据粒子的适应度值动态自适应地调整算法中惯性权重和学习因子的取值,其中惯性权重采用非线性指数递减,有利于平衡算法的全局搜索与局部搜索能力,避免算法陷入局部极值;学习因子采用异步变化的策略,以增强算法的学习能力,进而提高算法的性能.数值实验结果表明,与SPSO、PSO-DAC算法相比较,改进后的算法无论在收敛速度、稳定性以及收敛精度上都有显著提高.

【文章页数】：6 页

【文章目录】：
1 引言
2 粒子群算法及相关参数分析
3 粒子群优化算法的改进
    3.1 非线性指数自适应改变的惯性权重
    3.2 异步非线性自适应改变的学习因子
    3.3 改进的粒子群优化算法实现步骤
4 仿真与讨论
    4.1 测试函数
    4.2 仿真实验结果
5 结束语



本文编号：3861133