摘要：粒子群优化算法存在易陷入局部最优、收敛精度低、进化后期收敛慢等问题，混沌粒子群优化算法利用混沌运动的遍历性、随机性、规律性特点，很好地解决了粒子群优化算法陷入局部最优的问题，但混沌初始化会破坏已收敛的种群结构。在混沌粒子群优化算法的基础上，提出了一种混沌变参数粒子群优化算法。对陷入局部最优的种群进行混沌初始化，并采取一定的规则动态改变混沌运动的控制参数，以增强或减弱混沌方程的混沌特性，既可以减轻混沌初始化对已收敛种群结构的破坏性，又能利用混沌特性摆脱种群陷入局部最优问题，提高收敛精度，从而提高算法的全局寻优能力。通过仿真测试表明，混沌变参数的粒子群优化算法能有效避免种群陷入局部最优现象，收敛快、收敛精度高，全局寻优能力优于基本粒子群优化算法。

关键词：粒子群优化算法 混沌运动 变参数 局部最优 收敛 

单位：电子科技大学电子科学技术研究院; 四川成都611731; 电子科技大学数学科学学院; 四川成都611731