粒子群优化算法的概率特性分析及算法改进

群体多样性的丧失是导致粒子群优化(PSO) 出现早期收敛的重要原因, 鉴于此, 对PSO 运动方程进行概率 特性分析, 指出了方程中学习参数的概率分布及参数间的相依性与群体多样性丧失之间的关系, 并提出了一种自适 应学习的PSO 算法. 该算法通过调整学习参数的概率特性来保持种群多样性, 同时设计了随进化状态自适应变化的 学习参数来协调粒子的全局与局部搜索能力. 实验结果表明, 自适应学习的PSO 算法提高了收敛的精度, 有效避免 了早期收敛.