針對標(biāo)準(zhǔn)粒子群優(yōu)化（PSO）算法在復(fù)雜問題上收斂速度慢和早熟收斂的缺點，提出了一種多策略并行學(xué)習(xí)的異構(gòu)PSO算法（MHPSO）。該算法首先從種群多樣性和跳出局部極值的角度提出了兩種新學(xué)習(xí)策略（局部擾動學(xué)習(xí)策略和高斯子空間學(xué)習(xí)策略），并將這兩種策略與MBB-PSO策略融合組成高效穩(wěn)定的策略池。其次提出了一種簡單有效的策略更換機制，指導(dǎo)粒子迭代尋優(yōu)中何時更換學(xué)習(xí)策略。基準(zhǔn)測試函數(shù)的實驗結(jié)果表明，改進的粒子群優(yōu)化算法在求解精度和收斂速度上得到極大的提高。與一些改進PSO算法（如自適應(yīng)的粒子群優(yōu)化（APSO）算法等）相比，所提算法具有更優(yōu)良的尋優(yōu)性能。
?