论文研究-一种非线性权重的自适应粒子群优化算法.pdf
针对粒子群优化算法中出现早熟和不收敛问题，分析了基本PSO算法参数对其优化性能的影响，提出了基于非线性权重的自适应粒子群优化算法（NWAPSO）。在优化过程中，惯性权重随迭代次数非线性变化，改进的算法能使粒子自适应地改变搜索速度进行搜索，并与基本粒子群算法以及其他改进的粒子群算法进行了比较。实验结果表明，该算法在搜索精度和收敛速度等方面有明显优势。特别对于高维、多峰等复杂非线性优化问题，算法的优越性更明显。
针对粒子群优化算法中出现早熟和不收敛问题，分析了基本PSO算法参数对其优化性能的影响，提出了基于非线性权重的自适应粒子群优化算法（NWAPSO）。在优化过程中，惯性权重随迭代次数非线性变化，改进的算法能使粒子自适应地改变搜索速度进行搜索，并与基本粒子群算法以及其他改进的粒子群算法进行了比较。实验结果表明，该算法在搜索精度和收敛速度等方面有明显优势。特别对于高维、多峰等复杂非线性优化问题，算法的优越性更明显。