带随机变异及感知因子的粒子群优化算法

针对传统粒子群算法(PSO)在求解高维空间中复杂函数时容易发生“早熟”现象,根据粒子在空间中的运动规律和散布特点,提出带随机变异因子和动态感知因子的粒子群优化算法。算法通过引入对邻域具有质疑策略的随机变异因子,促使个体粒子对自身邻域进行探索,降低粒子因过于信赖个体最优和全局最优而发生的“早熟”现象,从而改进速度更新策略;同时,为粒子位置更新引入感知因子,使粒子在同一维度上动态自适应控制自身与其他粒子的空间距离,从而避免陷入局部最优。通过测试函数实验、算法对比分析实验、随机参数影响实验和算法复杂性实验,验证了该算法在求解高维空间中的复杂函数等问题时,具有明显的优越性和鲁棒性。