融合优质粒子分布的粒子群优化算法

摘要

针对传统的粒子群算法易于陷入局部最优和对高维空间搜索精度不高的缺点,提出融合优质粒子分布的粒子群优化算法.此算法根据分布估计算法,首先通过统计学习得到概率模型,再根据概率模型来产生优质粒子.这不仅仅能抑制传统粒子群早熟停滞的现象,还使得种群中每个粒子通过向自身历史最优值、群体最优值和优质粒子的学习而具有更佳的解决多峰值,多维搜索空间的能力.通过对几个常用测试函数的仿真实验表明,提出的新算法能够有效地跳出局部最优值,在多峰、多维空间内有更好的全局搜索能力,所以性能优于传统的粒子群优化算法.