针对粒子群优化算法因个体间缺乏交互,使种群在迭代过程中丧失种群多样性,从而导致算法早熟收敛、陷入局部极值的问题,提出一种基于指数衰减惯性权重的分裂粒子群优化算法。首先,采用半均匀式初始化种群的策略,使得粒子以整体均匀、局部随机的方式分布在整个解空间,保障初始化种群的随机性,避免因随机初始化导致粒子局部聚集的状况;其次,引入分裂算子进行动态寻优,探索初始阶段主要进行粒子分裂,增加可行解多样性,避免局部极值问题,当迭代到一定次数后,则以当前位置信息替换分裂;最后,利用指数函数的特点对惯性权重采用指数衰减策略,使算法在前期搜索阶段以大幅度步长前进,扩大种群搜索空间,保证算法的全局搜索能力,后期开发阶段以较小的步长减缓粒子速度的更新,实现精细搜索,提高算法收敛稳定性。为验证该算法的有效性,将本文算法与基本PSO算法以及PSO算法的变体进行对比,应用在5个典型测试函数上进行仿真实验。结果表明,该算法在搜索前期种群多样性增加,提高全局搜索能力;后期则强调局部开发,提高收敛精度,平衡了算法的搜索与开发能力,加快粒子跳脱局部极值逼近全局最优。该论文中有图17幅,表6个,参考文献64篇。