论文部分内容阅读
本文给出了几种改进的粒子群算法，主要工作概述如下：
第一，由于基本粒子群算法随机性较强，使其存在易陷入局部最优导致的收敛变慢、精度低等问题。针对此问题，提出一种改进算法，将基本粒子群算法粒子行为基于个体极值点和全局极值点变化为基于个体极值中心，并且按一定概率选择其他粒子的个体极值点，使粒子能够获得更多信息来调整自身状态。本文提出的粒子群算法，在相关的基准(Benchmark)函数的数值实验中表现出了令人满意的优化性能。
第二，提出一种飞行时将自适应调整的粒子群算法。该算法在粒子群进化过程中根据进化代数增大自适应的调整粒子的飞行时间，从而克服了传统粒子群算法中粒子飞行时间固定为1导致的粒子在迭代后期搜索性能下降的困难。