用随机模式和调整机制改进粒子群优化算法

提出一种改进的粒子群优化（particleswarmoptimization，PSO）算法，将随机（random）概念与调整（regulation）机制导入PSO算法中，既可避免族群搜寻过程中陷入局部最优解，又可提高算法在最优区域局部搜寻的能力。最后用2种复杂程度不同的函数为例，比较了本算法与广被采用的PSO-CF算法的最优化能力。结果显示，算法在搜寻成功率、平均收敛时间及平均收敛代数方面的性能皆优于PSO-CF算法。