Particle swarm optimization algorithm based on adaptive Sigmoid inertia weight
基于Sigmoid惯性权重自适应调整的粒子群优化算法*

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。