基于强化学习的适应性微粒群算法

惯性权重是微粒群算法(PSO)的重要参数,它可以平衡算法的全局和局部搜索能力的关系,改善算法的性能.对此,提出一种基于强化学习的适应性微粒群算法(RPSO).首先将不同惯性权重调整策略视为粒子的行动集合;然后通过计算??函数值,考察粒子多步进化的效果;进而选择粒子最优进化策略,动态调整惯性权重,以增强算法寻找全局最优的能力.对几种经典函数的测试结果表明,RPSO能够获得良好的性能,特别是对多峰函数效果更加明显.