论文部分内容阅读
为改进非线性惯性权重粒子群算法，提出了一种带过滤机制的非线性惯性权重粒子群算法。由于原算法存在粒子易陷入局部最优解与搜索效率较低的缺点，将适应度缩放函数引入到非线性惯性动态调整的粒子群算法中，剔除适应度过高与过低的粒子，再对剩余种群部分优良个体进行复制，并随机产生一些新粒子，然后进行交叉操作，种群数量保持不变，减少了粒子陷入局部极值的概率，使结果收敛于全局最优解。通过低维度与高维度函数的对比测试，表明新算法具有较为理想的效果。