針對粒子收斂速度慢、搜索精度不高和算法性能在很大程度上依賴參數(shù)選取等缺點(diǎn)，提出了一種基于自適應(yīng)慣性權(quán)重的均值粒子群優(yōu)化算法。對算法中的慣性權(quán)重參數(shù)采用動態(tài)自適應(yīng)變化方式，在迭代過程中根據(jù)粒子適應(yīng)度差值將種群劃分為三個等級，對不同等級的粒子采用不同的慣性權(quán)重策略，使粒子能根據(jù)自己所處的位置選擇合適的慣性權(quán)重值，更快地收斂到全局最優(yōu)位置；同時分別用個體極值和全局極值的線性組合取代PSO算法中的全局最優(yōu)位置與個體最優(yōu)位置。通過實驗仿真與對比，驗證了新算法性能優(yōu)于標(biāo)準(zhǔn)PSO及其它一些改進(jìn)的PSO算法，能夠用較少的迭代次數(shù)找到最優(yōu)解，具有更快的收斂速度和更高的收斂精度。
?