总结性自适应变异的粒子群算法

作者：陈博文; 邹海

来源：计算机工程与应用, 2021, 1-11.

• 粒子群优化
• 惯性权重
• 反向搜索
• 总结性变异

针对粒子群优化（Particle Swarm Optimization，PSO）算法在迭代期间易陷入局部最优及寻优精度不高的缺点，提出一种总结性自适应变异的粒子群算法SCVPSO（Self-Conclusion and Self-Adaptive Variation Particle Swarm Optimization）。首先，采用非线性转折上升再递减惯性权重动态更新每个粒子的位置，有效避免早熟；其次，对筛选的局部粒子作反向搜索处理，提高种群寻优效率；最后，引入新的参数scr（self-conclusion rate）以总结各个粒子近期求解情况，并通过概率单向变异引导粒子指向全局最优，增加粒子多样性。借助15个测试函数与其他变种粒子群优化算法对比，结果显示，改进之后的算法在求解性能上明显优于其它算法，验证了该策略的有效性。

• 单位
  安徽大学