一种改进的粒子群优化算法研究

针对粒子群算法在实际的优化问题应用中容易陷入局部最优的缺点,通过对算法参数改变和动态改变算法种群数量来改进粒子群算法,提出改进的粒子群算法DCPSOA。此算法通过进化状态估计来动态改变种群规模、学习因子和惯性权重,设计了算法的工作流程。在仿真实验中选择了典型两种算法与DCPSOA进行比较。仿真实验结果表明,改进的DCPSOA算法不但在单峰优化问题结果很好,而且在大部分多峰优化问题中都能够达到最好的优化性能,且DCPSOA算法比DMS-PSO和APSO算法减少了搜索过程,降低了算法陷入局部最优的概率。