一种自适应惯性权重的均值粒子群优化算法

　　针对粒子收敛速度慢、搜索精度不高和算法性能在很大程度上依赖参数选取等缺点，提出了一种基于自适应惯性权重的均值粒子群优化算法。对算法中的惯性权重参数采用动态自适应变化方式，在迭代过程中根据粒子适应度差值将种群划分为三个等级，对不同等级的粒子采用不同的惯性权重策略，使粒子能根据自己所处的位置选择合适的惯性权重值，更快地收敛到全局最优位置；同时分别用个体极值和全局极值的线性组合取代PSO算法中的全局最优位置与个体最优位置。通过实验仿真与对比，验证了新算法性能优于标准PSO及其它一些改进的PSO算法，能够用较少的迭代次数找到最优解，具有更快的收敛速度和更高的收敛精度。