一种加权变异的粒子群算法
A weighted variation particle swarm optimization algorithm作者机构:南昌工程学院信息工程学院江西南昌330099 南昌工程学院江西省水信息协同感知与智能处理重点实验室江西南昌330099
出 版 物:《南昌工程学院学报》 (Journal of Nanchang Institute of Technology)
年 卷 期:2021年第40卷第1期
页 面:51-56,82页
学科分类:08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金资助项目(61962036,61561035) 国家大学生创新创业训练计划项目(202011319014)。
摘 要:针对粒子群算法易于陷入早熟、收敛速度慢及收敛精度低的问题,提出了加权变异的WVPSO(Weighted Variation Particle Swarm Optimization)粒子群算法。根据自适应惯性权重和自适应学习因子,平衡了全局搜索和局部搜索能力;基于算术交叉的变异和自然选择机制的替换策略,增加了粒子的多样性,提高了算法的收敛精度;最后加入高斯扰动,使粒子产生震荡,更容易跳出局部最优。仿真实验表明,相比多个具有代表性的群智能进化算法,WVPSO算法在求解精度和收敛速度上效果更佳,并且在高维函数优化问题上具有更好的精度和稳定性。