论文研究-学习因子和时间因子随权重调整的粒子群算法.pdf

粒子群优化算法中惯性权重和学习因子的独自调整策略削弱了算法进化过程的统一性，很难适应复杂的非线性优化，为此提出一种利用惯性权重来控制学习因子的粒子群算法，通过增强权重和学习因子之间的相互作用来平衡算法的全局探索和局部开发能力。在此基础上引入时间因子，将其视做权重的线性函数，以便进一步提高迭代后期的局部开发能力并加快收敛速度。针对粒子群算法收敛性与多样性之间存在的矛盾，提出了边界限制和速度反弹的策略，避免粒子飞离区域造成种群多样性的减少，同时促使粒子快速收敛到全局最优。通过对多个基准测试函数进行优化分析，并将分析结果与其他粒子群算法计算结果进行对比，表明该算法能达到平衡粒子向个体学习和向群体学习能力的作用，提高了算法的寻优能力和收敛精度。