论文部分内容阅读
针对粒子群算法存在容易陷入局部最优的问题,提出一种改进杂交粒子群算法以强化全局搜索的能力。将粒子群优化与分布估计算法相结合,利用分布估计模型提取全局信息,用以指导种群大小的自适应变化。在全局信息变化显著时扩充种群,来加强算法在未知区域的探索;在种群大小达到上限时,利用全局信息更新较差个体,引导种群向最优区域集中;在全局信息或最优解均基本不变时,对种群进行重构,降低计算代价并防止陷入局部最优。7组标准函数的测试结果表明,改进算法优于其余几种与分布估计模型结合的杂交算法,在全部5组多模态函数的测试中其结