论文部分内容阅读
粒子群算法比较简单、容易操作,对求解高维度问题有较好的优势,但存在2个问题：1）常规的粒子群算法信息间的交流是通过自身解与全局最优解间交流得到,群体内部交流过少;2）常规的线性惯性权重作用过于单一,不利于反演后期结果的快速收敛。文中提出的粒子群优化算法,以粒子群理论为核心,遗传优化算法引进交叉算法,修改惯性权重,提供的随机游走步长逐渐变小,在目标函数及初始模型的约束下,缓慢地缩小步长,以求先快速跳出局部极值,然后不断减小步长,靠近最优值。通过分析粒子群原理、遗传核心理论,详细分析粒子群参数,优选参数,并将