论文部分内容阅读
针对粒子群算法在陷入局部最优时难于跳出的缺陷，提出一种改进的粒子群算法．该算法首先利用粒子适应值的统计规律对粒子进行分类，对属于不同类别的粒子采用不同的进化模型，对于利用完全模型进化的粒子，采用动态调整学习因子的方法，从而大大提高了算法的优化效率和优化精度．通过反复实验分析，得出学习因子随着进化推进的最优变化规律，并给出了学习因子的最佳函数表达式．仿真结果表明，利用改进的PSO算法优化4种具有代表性的基准函数，无论是在优化精度方面还是在优化效率方面，均较以往提出的PSO算法在性能上有本质的提高．