一种基于简化方程的改进粒子群优化算法.pdfVIP

东莞理工学院学报

第３２卷第１期Ｖｏｌ.３２Ｎｏ.１

２０２５年２月ＪＯＵＲＮＡＬＯＦＤＯＮＧＧＵＡＮＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹＦｅｂ.２０２５

一种基于简化方程的改进粒子群优化算法

马钰魏文红∗

(东莞理工学院计算机科学与技术学院ꎬ广东东莞５２３８０８)

摘要:为提高粒子群优化算法的收敛速度和求解精度ꎬ本文基于无视速度影响的简化粒子群优化算法ꎬ

引入随迭代次数自适应调整的非线性惯性权重和异步学习因子ꎬ以此平衡粒子的全局有哪些信誉好的足球投注网站和局部开发能力ꎮ

同时融合遗传算法的精英保留策略ꎬ确保每一代进化中最佳个体得以保留ꎬ助力粒子逃离局部最优ꎮ最后ꎬ

通过５种测试函数比较了基本粒子群优化算法、本文改进算法以及其他经典改进算法的性能ꎬ实验证明ꎬ本

文改进算法在收敛速度和求解精度等方面有显著的提升ꎮ

关键词:简化粒子群优化算法ꎻ非线性惯性权重ꎻ非线性异步学习因子ꎻ群体智能

－－－

中图分类号:ＴＰ３９１４文献标志码:Ａ文章编号:１００９０３１２(２０２５)０１００４１０７

粒子群优化(ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎꎬ出了基于动态加速因子的粒子群优化算法ꎬ用于

ＰＳＯ)算法是一种受自然界启发的优化算法ꎬ源进一步平衡算法的全局有哪些信誉好的足球投注网站和局部开发能力ꎮ苏

[１２]

于对鸟群、鱼群等生物群体行为的研究ꎬ由福清等人提出对最优粒子进行混沌有哪些信誉好的足球投注网站以引导

[１３]

ＪａｍｅｓＫｅｎｎｅｄｙ和ＲｕｓｓｅｌｌＥｂｅｒｈａｒｔ于１９９５年首次粒子跳出局部极值ꎬ找到全局最优值ꎮ肖杨提

[１]出混合粒子群优化算法ꎬ融合精英保留策略引导

提出ꎮＰＳＯ算法通过模拟群体中个体之间的信

息交流和协作ꎬ求解复杂的优化问题ꎮＰＳＯ算法最差粒子移动到最好粒子附近ꎬ避免因随机性而

[１４]

具有易于实现、全局有哪些信誉好的足球投注网站能力强、易于结合其他丢失位置较好的粒子ꎮＩｒａｎｍｅｈｒ等人提出了一

优化算法以及对于大多数优化问题都适用的特点ꎬ种基于ＰＳＯ的新方法来提取模拟于人耳的音频特

[１５]

同时也存在对初始参数敏感、过早收敛、局部搜征ꎬ扩展了ＰＳＯ算法的应用领域ꎮ徐等人提

索能力弱等问题ꎮ出了一种多组粒子群优化(ＭＧＰＳＯ)算法ꎬ并将

[１６]

自１９９５年研究人员提出了许多基于ＰＳＯ的其进一步应用于电磁优化问题ꎮ马贾尼等人结

－