基于分类思想的改进粒子群优化算法

摘要：

针对粒子群算法存在收敛速度慢、收敛精度低且易收敛到局部极值的问题,提出一种基于分类思想的粒子群改进算法.该算法将粒子适度值和适度值均值做差与适度值标准差进行比较,从而将粒子所在区域划分为拒绝域、亲近域、合理域.根据不同区域中粒子的特点选取不同惯性权重和学习因子,使粒子高效地选择自身经验或种群经验,合理增强或减弱粒子全局搜索能力和局部搜索能力.数值实验结果表明,与其他粒子群改进算法相比,新的分类粒子群算法有效加快了粒子的收敛速度,提高了算法的收敛精度,有效改善了算法寻优性能.

关键词：粒子群优化、参数改进、适度值、适度值均值、适度值标准差、粒子分类、有效经验

所属期刊栏目：42

分类号：TN911.1-34;TP18

资助基金：国家自然科学基金项目11401469;陕西省自然科学基础研究计划项目2017JM1015

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：11-14