论文部分内容阅读
为了克服粒子群优化算法在复杂优化问题上易出现早熟收敛、多样性缺失等问题，提出了自适应子空间高斯学习的粒子群优化算法。该方法提出了适应值离散度和子空间高斯学习的概念，以自适应地调整参数和搜索策略，帮助粒子逃离局部最优。同时，该方法还提出邻域学习策略，引入了邻域最优粒子。当前粒子的邻城在进化过程中通过动态构建，以增强种群的多样性。实验对19个常用的经典基准测试函数在30和100堆进行了测试，结果表明该算法在收敛速度和寻优精度上优于一些知名的PSO算法。最后，将改进的算法应用于无线传感器网络覆盖优化问题。获得了