换一批摘要针对粒子收敛速度慢、搜索精度不高和算法性能在很大程度上依赖于参数的选取等缺点,提出了一种非线性指数惯性权重粒子群优化算法(Exponential Inertia Weight in Particle Swarm Optimization,EIW-PSO).在每次迭代的过程中,采用粒子最大适应值和最小适应值的指数函数来动态调整算法中的惯性权重,更有利于算法在寻优过程中跳出局部最优;同时,引入随机因子以确保种群的多样性,使粒子更快地收敛到全局最优位置.为了验证该算法的寻优性能,通过8个基准测试函数将标准PSO、线性递减惯性权重LDIW-PSO、均值自适应惯性权重MAW-PSO在不同维度和种群规模下进行测试比较.实验结果表明,提出的EIW-PSO算法具有更快的收敛速度和更高的求解精度.
更多相关知识
关键词
粒子群优化算法动态调整惯性权重指数函数Particle swarm optimization algorithmDynamically adjustingInertia weightExponential function
分类号
TP301
栏目名称
DOI
10.11896/j.issn.1002-137X.2018.02.017
发布时间
2018-05-30（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引113
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
