论文部分内容阅读
为了提高微粒群算法优化高维目标的性能，采用了个体惯性权重自适应调整的微粒群算法，其中每个微粒拥有属于个体的惯性权重。通过对每个微粒的适应值进行评价对惯性权重动态和自适应，以加快其收敛速度并逃离局部最优。为了增强搜索性能，基于高斯变异和随机变异的变异算子被引入。该方法以及其他3种不同微粒群优化算法对4个经典函数在100、200和400维数下进行仿真的结果比较证明此算法在解决高维数目标时具有良好性能。