论文部分内容阅读
针对标准粒子群算法的缺点，本文提出了双变异算子的混合粒子群优化算法(DDPSO)。该算法通过两次高斯变异控制算法进程，同时动态调节惯性权重。大概率的最差适应度变异对惰性粒子重新初始化，增加搜索空间。小概率的最优适应度变异加强最优解附近范围搜索，增加种群多样性，通过对Benchmark函数的测试结果表明：DDPSO算法确保了全局和局部搜索性能的动态平衡，在收敛性和稳定性上均明显优于标准粒子群算法(LWPSO)和杂交粒子群算法(HPSO)。