论文研究筛选和记忆相结合的粒子群算法.pdf

针对粒子群算法优化高维复杂问题出现局部最优的缺陷，提出初始粒子筛选和最差粒子记忆相结合的粒子群算法。利用熵度量粒子分量分布的均匀性，只有各分量满足均匀性要求时，该粒子才被筛选为初始粒子，以控制粒子在解空间的分布。在速度更新过程中引入最差粒子，避免粒子重复搜索曾经找到的最差位置，以提高算法的搜索效率。根据粒子寻优的成功率动态调整权重，以有效平衡深度和广度搜索能力。用该算法优化六个经典测试函数，与三种改进的PSO算法相比，该算法不仅可以平衡局部和全局的搜索能力，还可以提高算法的搜索效率和精度。