摘要：采用离散度作为衡量种群多样性的指标。在粒子群初始化阶段,种群的离散度必须满足一定的要求才能开始迭代;在算法迭代过程中,惯性权重、加速系数的调整都与当前粒子群的离散度相关;当种群的离散度小于一定数值时,进行保优重初始化,适应度函数拉伸操作,重新迭代。由于算法在初始化阶段依据离散度进行了限定,要求粒子尽量平均分布,算法运行过程中离散度能够更加真实地反映当前种群的分布状态,并将算法的相关参数与之关联,在理论上保证了算法将具有良好的性能。经过在5个基准函数上的仿真实验表明,该算法在处理复杂多峰、平坦函数优化问题时,收敛速度快且能有效避免早熟问题。

关键词：粒子群优化 离散度 惯性权重 加速系数 拉伸 

单位：延安大学计算中心 陕西延安716000 中科院国家授时中心 陕西西安710600