粒子群算法惯性权重的自适应改进与研究

针对粒子群算法存在早熟和收敛较慢两种缺陷,首先对粒子群算法的越界方式进行了改进,由于惯性权重是标准粒子群优化算法中一个重要的参数,决定了当前粒子速度对后续粒子的影响程度,从而控制整个算法的性能。在研究现有的几种惯性权重改进策略的基础上,提出基于适应度自适应动态调节的惯性权重改进算法。通过仿真研究不同的惯性权重对算法的影响,发现改进的粒子群算法在每次种群进行迭代时,根据每个粒子的适应度值自适应地改变其惯性权重,动态调整每个粒子的活性,提高了算法的全局搜索能力和收敛能力,较好的改进了原算法存在的缺点。