一种目标邻居学习粒子群优化方法

摘要

本发明提供了一种目标邻居学习粒子群优化方法，包括如下步骤：1，初始化种群；2，计算初始化后的种群的粒子的适应度值并对粒子进行排序；3，随机挑选一个排序后的粒子作为第一学习对象；4，对所述第一学习对象使用裂变选择法挑选出第二学习对象；5，根据所述第二学习对象更新粒子的位置信息以及速度信息；6，重新计算每一个粒子的适应度值，并根据每一个所述粒子的适应度值对粒子的个体极值和粒子群体的群体极值进行更新赋值；7，判断迭代次数是否达到设置的最大迭代次数，如果达到最大迭代次数则终止运行，否则，重复步骤2至步骤7。本发明可以克服现有PSO算法以及CLPSO算法在优化复杂高维多模函数时均容易陷入局部最优的问题。