一种改进的微粒群优化算法

作者：冯春丽; 唐毅谦; 赵悦

来源：南京航空航天大学学报, 2006, S1: 58-61.

DOI：10.16356/j.1005-2615.2006.s1.015

• 微粒群算法
• 优化
• 动态参数
• 收敛速度 particle swarm algorithm
• optimization
• dynamic parameter
• convergence speed

标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大。针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率。经J．D．Schaffer函数和LevyNo．5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高。

• 单位
  辽宁工业大学