針對粒子群算法隨著迭代次數(shù)的增多,其種群多樣性降低,粒子群算法容易陷入局部最優(yōu)的不足,提出了一種基于個體位置變異的粒子群算法。該算法在保證最終收斂的前提下極大擴(kuò)展了粒子的空間搜索范圍,從而降低了粒子群算法發(fā)生早熟的可能,并且程序量較小。仿真實驗中,將算法應(yīng)用于6個典型測試函數(shù)中,并與其它改進(jìn)粒子群算法進(jìn)行比較,結(jié)果表明,該算法具有較強(qiáng)的全局尋優(yōu)能力和較好的收斂速度,明顯提高了粒子群算法的優(yōu)化性能。 

【文章來源】：石家莊鐵道大學(xué)學(xué)報(自然科學(xué)版). 2019,32(01)

【文章頁數(shù)】：6 頁

【文章目錄】：
1 粒子群算法
2 慣性權(quán)重的粒子群算法
3 基于個體位置變異的粒子群算法
4 算法測試及分析
5 結(jié)論



本文編號：2972017