粒子群优化算法之惯性权值递减策略的改进

摘要

标准的粒子群算法引入惯性权重w,成为一种有效寻找函数极值的计算方法,且简单易行收敛速度快。目前普遍采用的是线性递减动态惯性权重策略,但其存在着复杂的非线性搜索过程。在线性递减策略的基础上,提出了非线性递减动态惯性权重策略,采用Griewank、Rastrigrin、Sphere、J.D.Schaffer 4个标准测试函数进行了仿真实验,与基本粒子群算法中惯性权重取固定值、线性递减LDIW和指数曲线非线性递减进行了比较。实验结果表明改进的非线性权值递减策略无论从收敛速度、收敛精度还是迭代次数都明显优于其他算法。