基于惯性因子动态化的一种改进型粒子群算法

由于PSO算法采用了随机集群的理念，与其他智能算法类似，会出现“早熟”或收敛速度慢的问题。全面学习粒子群算法（CLPSO）是模拟鸟群的随机搜索行为的一种应用于连续空间的群体智能优化算法，其主旨是对每个粒子的历史最优值一种概率的形式出现进行更新。受全面学习粒子群算法启发，结合基于惯性因子的PSO改进算法，对惯性因子动态化，得到一种改进型粒子群算法。改进算法可以较好地拓展粒子的学习对象和搜索范围，避免“早熟”现象；能够较好地跳出求解聚类中心过程中易陷入某一局部的极小值的情况，从而得到全局最优解。