论文部分内容阅读
通常的粒子群优化算法采取单一的学习策略，不利于搜索信息的有效保留，因此将改进的差分变异策略引入到粒子的速度更新中以增强算法的群体多样性；综合利用差分变异与扰动策略两种不同的产生新解的方式，提出了一种多策略交叉学习机制算法DPPSO（hybrid particle swarm optimization with differential and per-turbation）。每一个粒子通过引进的差分变异操作和扰动操作分别产生一个中间粒子，再选择较好的粒子作为当前粒子的新位置，从而实现所有粒子动态地选择更好的