论文部分内容阅读
针对社会学习粒子群算法在求解大规模优化问题时存在的收敛速度慢以及种群多样性缺失等问题,提出一种基于决策变量分组的粒子群算法.根据决策变量间的相关性对决策变量分组,提高算法的收敛速度.采用反向学习策略,通过生成反向解,提高算法的全局寻优能力.采用CEC2010测试函数集对本文算法进行测试,仿真结果与已有典型算法进行对比,验证了本文算法的有效性.