文献类型：期刊文章

作　　者：吴永红[1] 曾志高[1] 邓彬[1]

WU Yonghong;ZENG Zhigao;DENG Bin(College of Computer Science,Hunan University of Technology,Zhuzhou Hunan 412007,China)

机构地区：[1]湖南工业大学计算机学院,湖南株洲412007

出　　处：《湖南工业大学学报》

基　　金：科技部科技创新2030—“新一代人工智能”基金资助重大项目(2018AAA0100400);湖南省自然科学基金资助项目(2018JJ2098);湖南省教育厅科研基金资助项目(18C0538)。

年　　份：2021

卷　　号：35

期　　号：1

起止页码：91-96

语　　种：中文

收录情况：JST、普通刊

摘　　要：针对传统的粒子群算法易发生早熟收敛、在寻优过程中易陷入局部最优等问题,提出了一种基于惯性权重和学习因子动态调整的粒子群算法,该算法通过改进惯性权重和学习因子参数以优化算法。随着算法的不断迭代,其惯性权重以及学习因子随着迭代次数的增加而动态优化,从而平衡其局部寻优能力与全局搜索能力。实验结果表明,改进后的算法在收敛速度以及收敛精度上比传统粒子群算法更优,能改善早熟收敛问题。

关 键 词：粒子群算法 动态调整  迭代 优化  惯性权重 学习因子  

分 类 号：TP391.9]