朱喜华，李颖晖，李宁，范炳奎

（1. 空军工程大学 航空航天工程学院，陕西 西安 710038；2. 中国人民解放军95291部队装备部，湖南 衡阳 421002）

1 引言

粒子群优化算法（PSO）是进化算法的一个重要分支，最早由美国学者 Kennedy和 Eberhart于1995年提出，是一种基于种群迭代搜索的自适应优化算法，它通过种群粒子中个体的交互作用来寻找复杂问题空间中的优化解。与遗传算法等其他进化算法相比，粒子群优化算法具有结构简单、参数少及收敛速度快、容易实现等优点，具有较低的空间复杂度和时间复杂度，并被证明能够以较小的计算代价获得良好的优化解[1]，因此得到了广泛的研究和应用。随着通信技术的发展，通信领域也出现了各种优化问题，如通信星座优化设计[2]、无线传感器网络的感知器分布优化[3]及生存周期优化[4]等，要解决这些问题就需要采用先进的优化算法。因此，研究粒子群算法及其改进策略，并将其应用于通信领域的优化计算具有十分重要的理论及工程实际意义。

基本PSO算法具有快速收敛的特性，但存在寻优效率较低、容易停滞于局部最优值以及早熟收敛等问题[5]。早熟收敛是由于粒子群体的多样性在迭代搜索过程中快速丢失造成的，对此，很多学者提出了改进措施，主要采用以下2种策略。1)对粒子的速度和位置采用不同的参数策略来更新，如采用线性变化的动态惯性权重。该策略的主要特点是忠实于 PSO的原始思想，速度和位置的更新由粒子自身经验和群体经验作指导[6]。……