摘要
首先使惯性权重随迭代次数和粒子状态非线性改变平衡算法的全局探测和局部开采的能力,为了解决惯性权重与学习因子独立调整削弱了粒子群算法的统一性和智能性等问题,通过分析惯性权重与学习因子的变化关系,将学习因子表示为惯性权重的logistic回归分析型函数.由于非线性因子的加入会降低粒子的多样性,结合差分进化算法的交叉算子和变异策略,利用交叉算子来提高算法的全局探索能力,保持种群多样性;利用差分进化算法的变异策略产生候选解来更新位置公式,给出了学习因子随权重调整的混合粒子群算法,并对新提出算法的收敛性进行理论分析.将此改进算法与相关算法在四个测试函数上进行对比实验,证明该算法在寻优精度、迭代速度和收敛成功率上有明显改进.
基金项目
国家科技支撑计划资助项目(2015BAF20B02)
国家自然科学基金(61471080)
国家自然科学基金(61201419)
辽宁省自然科学基金指导计划(1553737612631)
国家留学基金委资助计划(201608210308)
国家科技期刊平台
NSTL
维普
万方数据