多尺度协同变异的粒子群优化算法

粒子群算法(Particle Swarm Optimizer，PSO)是由 Kennedy 和 Eberhart 博士提出的一种基于群体智能的优 化算法,其基本思想是受到他们早期对许多鸟类的群体行为进行建模与仿真研究的启发.粒子群算法的优势在 于其简单容易实现,没有很多参数需要调整,是非线性连续优化问题、组合优化问题和混合整数非线性优化问 题的有效优化工具[1-3].由于 PSO 算法概念简单、实现容易，在函数优化和神经网络权值训练等方面都有很好 的表现.由于其又具有深刻的智能背景，既适合科学研究，又特别适于工程应用,因此在近年来得到了飞速的 发展.其应用涉及系统控制、人工智能、模式识别、计算机、通信工程等各个领域.粒子群优化算法问世以来 受到了广泛的重视,经 过十几年的研究,其不论在应用方面还是在优化性能方面都得到了很大的发展.然而,研 究人员仍然无法解决一直困扰该算法的两个难题:早熟和收敛速度 过十几年的研究,其不论在应用方面还是在优化性能方面都得到了很大的发展.然而,研 究人员仍然无法解决一直困扰该算法的两个难题:早熟和收敛速度