论文部分内容阅读
针对标准粒子群算法在进化过程中搜索空间变小使得种群多样性降低而早熟的问题，提出了一种以种群粒子平均历代最优位置与种群最优位置之间的距离来动态改变惯性权重的粒子群算法。该算法能平衡粒子的全局探索和局部开发能力，避免粒子搜索空间过早变小使得种群多样性下降而出现早熟。通过对4个标准测试函数的仿真实验并与标准粒子群算法相比较，结果表明该算法对于多峰函数优化问题在平均最优值和成功率上都有所改善。