摘要：针对基本粒子群算法易陷入局部解的不足，本文基于基本粒子群算法，着重对惯性权重因子进行改进，在非线性递减惯性权重策略基础上增加随机因素的考虑，给出了改进的算法一非线性递减随机惯性权重粒子群算法。并利用国际常用基准测试函数进行仿真实验，测试结果验证了改进算法的计算性能优于基本粒子群算法。在此前提下，本文针对多元线性回归分析中的参数计算复杂问题，又提出一种基于上述改进算法的参数估计方法，以最大似然准则作为粒子群优化算法的适应度函数，建立多元线性回归分析中的参数估计计算模型。算例仿真结果显示，该方法是高效和实用的。

关键词：粒子群优化算法 惯性权重 参数估计 多元线性回归 

单位：嘉兴学院数学与信息工程学院 浙江嘉兴314001 华东师范大学计算机科学系 上海200062