论文研究 基于健康度的人工蜂群粒子群算法.pdf

针对标准粒子群算法存在收敛速度慢和易陷入局部最优等问题，提出了一种基于健康度的人工蜂群粒子群算法。通过动态地对各个粒子的健康状况进行评价，对正常粒子和病态粒子分别进行处理，避免无效搜索，提高算法的收敛速度；在处理病态粒子时，一方面以大概率借鉴人工蜂群的搜索策略提高算法的探索能力，另一方面以小概率增加粒子群的多样性，避免陷入局部最优。实验结果表明，与标准粒子群算法和其他改进算法相比，该算法收敛速度快、寻优精度高。