改进惯性权重的简化粒子群优化算法

针对传统的粒子群优化算法收敛速度慢、易陷入局部空间极值的缺点,提出一种基于简化粒子群优化算法同时改进惯性权重的新算法.该算法首先去掉速度项,使算法更加简便,然后改进位移项,最后改进惯性权重.对6个经典函数分别采用传统的粒子群优化算法、简化的粒子群优化算法和该改进的算法进行比较,数值实验表明,该改进的粒子群优化算法比其他两个算法的性能好.

自适应搜索的免疫粒子群算法全局收敛性分析

算法的收敛性分析,不仅对算法提供了理论支持,而且能够提高算法的实际应用效率.在随机搜索算法的基础上给出一些粒子群算法收敛性的证明方法,并且修正了一篇论文中两个不正确的收敛性证明.而且将粒子群算法的收敛性证明扩展到免疫粒子群算法中,证明了由张超等人提出的基于自适应搜索的免疫粒子群算法的收敛性,对于以后免疫粒子群算法的改进和使用有很大的帮助.