%0 Journal Article
%T Particle swarm optimization algorithm based on adaptive Sigmoid inertia weight<br>基于Sigmoid惯性权重自适应调整的粒子群优化算法*
%A HUANG Li
%A DU Wei-wei
%A DING Li-xin
%A <br>黄利
%A 杜伟伟
%A 丁立新
%J 计算机应用研究
%D 2012
%I 
%X 提出了种群进化速度和种群聚合度两个概念，并讨论了在全局收敛过程中惯性权重与两者之间的关系；考虑Sigmoid函数在线性与非线性之间呈现的平滑过渡性，从种群进化速度和种群聚合度两方面出发，提出了基于Sigmoid函数的惯性权重自适应调整方法。通过三个典型的多峰函数，将提出的算法(AS-PSO)与标准粒子群优化算法(SPSO)和基于Sigmoid函数的粒子群优化算法(S-PSO)进行了仿真分析比较，结果表明，AS-PSO算法相比其他两种算法，全局寻优能力更强，在一定程度上解决了收敛性能与全局寻优能力之间的矛盾。
%K particle swarm optimization algorithm
%K premature
%K inertia weight
%K fitness
%K adaptive<br>粒子群优化算法
%K 早熟
%K 惯性权重
%K 适应度
%K 自适应
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=A9D9BE08CDC44144BE8B5685705D3AED&aid=4189763B19B8AD457FAD7BA6B97D5417&yid=99E9153A83D4CB11&vid=771469D9D58C34FF&iid=CA4FD0336C81A37A&sid=9971A5E270697F23&eid=339D79302DF62549&journal_id=1001-3695&journal_name=计算机应用研究&referenced_num=0&reference_num=12