一种基于引导策略的自适应粒子群算法
姜凤利  张宇  王永刚
（沈阳农业大学信息与电气工程学院，沈阳 110866）
摘要：为解决粒子群算法前期搜索“盲目”，后期搜索速度慢且易陷入局部极值的问题，对算法中粒子更新方式和惯性权重进行了改进，提出了一种基于引导策略的自适应粒子群算法。该算法在种群中引入4种粒子，即主体粒子、双中心粒子、协同粒子和混沌粒子对粒子位置更新进行引导，克服算法的随机性，从而提高搜索效率；为进一步克服粒子群优化算法进化后期易陷入早熟收敛的缺点，引入聚焦距离变化率的概念，通过聚焦距离变化率的大小动态调整惯性权重，以提高算法的收敛速度和精度，两者结合极大地提高了搜索到全局最优解的有效性。对4个标准测试函数进行仿真，实验结果表明IPSO算法在收敛速度、收敛精度以及成功率上都明显优于LDWPSO和WPSO算法。
关键词：粒子群算法；惯性权重；混合粒子