黄明，张春蕾,武耀旭,郝倩

(大连交通大学 软件学院，辽宁 大连 116028)

一种多样性反馈高斯粒子群算法

黄明，张春蕾,武耀旭,郝倩

(大连交通大学 软件学院，辽宁 大连 116028)

针对粒子群算法在算法迭代后期因多样性减少而容易陷入局部最优的缺陷,引入种群多样性反馈(群活性反馈)和高斯正态惯性权重变异算子对粒子群算法进行改进，当粒子群的多样性减少时，通过改变粒子的惯性权重调节粒子速度和位置，从而跳出局部最优解.与标准粒子群算法对比仿真结果表明：多样性反馈高斯粒子群算法在全局搜索能力和寻优性能上有很大提高,多样性提高近一倍，迭代时间缩短近3/4.

粒子群算法；惯性权重；多样性反馈；高斯算子

0 引言

近年来，群体智能优化算法在现代工业中的应用越来越广泛，为了进一步提高智能算法的性能，人们对其进行了大量的研究，群体智能优化算法也由最原始的遗传算法、蚁群算法和粒子群算法等发展为现在模拟退火遗传算法、改进蚁群算法和改进粒子群算法等.同其他智能优化算法相比，粒子群算法因参数少、步骤简单易实现等优点使其在工业问题应用更广泛，当然，粒子群算法迭代后期种群的群活性减少而使其容易陷入局部最优解.

针对粒子群算法的缺陷，许多国内外学者对其进行了改进，主要可以分为两类：一种是针对粒子群算法的迭代后期缺陷和迭代过程中种群多样性减少采用的惯性权重w改进[1- 8]；……