基于权重和学习因子调整的粒子群算法优化.zip

粒子群算法速度迭代的关键参数包括惯性权重w、学习因子c1和c2。惯性权重w对粒子先前飞行速度对当前速度的影响至关重要，其选择对全局搜索和局部搜索的平衡具有重要影响。在迭代过程中，考虑到算法的全局性和局部性，需要选择合适的惯性权重进行搜索。本文引入了改进后的幂指函数算子，将其融入惯性权重中，基于总迭代次数，使每个粒子在搜索时扩大搜索空间，从而增加种群多样性。因此，本文采用了动态调整惯性权重的策略。实验结果对比显示，动态调整后的惯性权重能够提高算法的搜索性能，有效改善收敛状况，随着算法的迭代，惯性权重值动态变化。