一种惯性权重与种群多样性协同调整的二进制粒子群优化算法

摘要 针对二进制粒子群算法惯性权重和种群多样性不能随粒子群进化状态变化而动态协同调整,易造成后期收敛性较差陷入局部最优的缺点,提出一种惯性权重与种群多样性协同调整的二进制粒子群算法（CBPSO）,首先使用混沌函数初始化种群,其次根据每个粒子与最优粒子之间海明距离均值与当前迭代状态共同调整权重值,再次根据海明距离均值动态调整种群多样性,最后根据调整后的种群多样性在下次迭代中计算新的海明距离均值及对应的惯性权重值.通过对常用的基准函数进行不同维度下的仿真实验,实验结果证明:在相同迭代次数等条件下,该算法具有较强的动态搜索能力和种群多样性调整能力,比同类算法具有更好的准确率和鲁棒性