论文部分内容阅读
针对标准粒子群算法在处理复杂优化问题时易出现收敛速度慢和陷入局部最优的问题，提出了一种自适应进化模型的粒子群优化算法。通过设定的阈值limit将种群进化状态划分为正常状态和“早熟”状态，当种群全局最优位置信息连续超过limit次没有更新时，认为算法处于“早熟”状态，此时对种群的个体最优位置进行反向学习，帮助算法逃离局部最优，并采用新的进化模型；否则视为正常进化状态，并采用标准粒子群进化模型。8个基准测试函数的仿真结果表明，该算法与一些其它改进粒子群算法如FIPS、CLPSO、MPSO-SFLA算法相比，在