一种深度扩展记忆的仿人粒子群算法仿真分析

从仿生学和心理学角度出发, 提出一种深度扩展记忆的仿人粒子群算法, 以解决标准粒子群及其主流改进算法易陷入局部最优等问题. 算法对粒子认知进行群体共享, 并采用深度扩展记忆积累粒子认知, 通过仿人遗忘函数配置不同时期认知对当前决策的影响权重. 仿真分析表明, 所提出算法对遗忘函数和遗忘因子高度敏感, 算法寻优多维多极值函数时, 在收敛精度、成功率和优化成本等方面较标准粒子群及其改进算法有显著提升.