论文部分内容阅读
针对鸡群算法因小鸡粒子易陷入局部最优而无法取得全局最优解问题,在小鸡粒子位置更新中加入自身惯性权重和向子群中公鸡粒子学习部分,提出具有随机惯性权重和固定学习因子的改进鸡群算法,然后用模拟退火算法对改进鸡群算法陷入停滞状态时已得到的最优解进行邻域搜索,使算法具有跳出局部最优取得全局最优解的能力,最后将基于模拟退火的改进鸡群算法用于4个标准测试函数寻优.仿真结果表明,基于模拟退火的改进鸡群算法全局搜索能力强,收敛速度快,精度高,与粒子群算法、鸡群算法以及改进鸡群算法相比寻优性能更佳.