一种动态调整惯性权重的粒子群优化算法

摘要：

针对粒子收敛速度慢、搜索精度不高和算法性能在很大程度上依赖于参数的选取等缺点,提出了一种非线性指数惯性权重粒子群优化算法(Exponential Inertia Weight in Particle Swarm Optimization,EIW-PSO).在每次迭代的过程中,采用粒子最大适应值和最小适应值的指数函数来动态调整算法中的惯性权重,更有利于算法在寻优过程中跳出局部最优;同时,引入随机因子以确保种群的多样性,使粒子更快地收敛到全局最优位置.为了验证该算法的寻优性能,通过8个基准测试函数将标准PSO、线性递减惯性权重LDIW-PSO、均值自适应惯性权重MAW-PSO在不同维度和种群规模下进行测试比较.实验结果表明,提出的EIW-PSO算法具有更快的收敛速度和更高的求解精度.

关键词：粒子群优化算法、动态调整、惯性权重、指数函数

所属期刊栏目：45

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61472095,61502116

在线出版日期：2018-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：98-102,139