一种改进的粒子群优化算法惯性权值递减策略

结合粒子群优化(PSO)算法的特点,分析惯性权值的关键性作用。在此基础上提出一种改进的非线性惯性权值递减策略。同时利用两种基准函数对该策略进行测试。实验结果表明,在参数设置均相同的条件下,改进后的权值递减策略在算法迭代初期具有较好的多样性,有利于跳出局部极值,在迭代后期具有更好的全局寻优能力。当维数不变时,随着种群规模以及最大迭代次数的相应增加,改进后的权值递减策略在收敛精度指标上要明显优于对比算法。