基于自适应优秀系数的粒子群算法

　　针对基本离散粒子群优化（PSO）算法求解旅行售货商问题（TSP）时容易陷入局部最优解和早熟收敛的问题，提出了一种基于自适应优秀系数的粒子群（ SECPSO）算法。为了提高算法的全局搜索能力，在已有工作的基础上，进一步利用启发式信息对静态的路径优秀系数进行修改，使之可根据解的搜索过程进行自适应动态调整；另外，为了进一步提高解的精确性和算法的收敛速度，添加了3 -opt搜索机制，提高算法的局部搜索能力。利用Matlab进行了实验仿真，用国际通用的TSP数据库（TSPLIB）中的若干经典实例对算法性能进行了测试。实验结果表明，与其他几种算法相比，SECPSO算法在全局寻优能力和更快的收敛速度方面表现更优，是求解TSP问题的一种有潜力的智能算法。