论文部分内容阅读
针对动态粒子群优化算法的群体多样性问题，提出一种新的度量方法。为了提高群体多样性，在每次迭代前，子群内部各粒子以一定的概率飞离局部最优粒子，以保持子群内部粒子多样性。在此基础上，提出一种动态粒子群优化算法，即在每次迭代前，要淘汰超规模子群中的低适应值粒子，进一步增强整个群体的多样性水平，提高算法的鲁棒性。用标准测试函数MPB测试该算法跟踪动态全局最优值的能力，实验结果表明：该算法能有效跟踪5维以上的动态全局最优值，子群内部多样性水平提高60％以上。