带自适应变异的粒子群优化算法改进研究

针对函数优化的非线性特点，在标准粒子群优化算法的基础上，提出了一种带自适应变异的粒子群优化算法。该算法对惯性权值进行参数设计，建立非线性递减策略曲线模型，通过设置校准系数，改变惯性权值的曲线变化率，使其随迭代过程进行自适应变化。通过在迭代初期选取较大的惯性权值，增强算法的局部寻优能力，加快算法收敛速度，而在迭代后期选取较小的惯性权值，提升算法的全局搜索性能。同时，在算法中引入变异机制，增加种群的多样性，从而更好地提升算法由局部到全局的开放式搜索能力。通过选择基准测试函数对几种算法进行性能测试，证明改进算法收敛速度快、精度高，总体性能优于对比算法。