摘要：改进了动态环境下微粒群算法常用的环境检测方法，同时使用环境变化前后全局最好解的距离Dgbest（t）和种群多样性diversity（S）作为响应变化环境的依据，并将其与改进的响应方法相结合，在增加种群多样性的同时及时响应了动态环境中的各种变化．最后，将其应用于各种复杂变化的抛物线函数中，并与Eberhart—PSO和APSO进行了对比，结果表明了该算法的有效性．

关键词：微粒群算法 动态环境 种群多样性 

单位：太原科技大学计算机科学与技术学院 太原030024