粒子群算法改进——自适应惯性权重

适应度回顾

适应度用于评价粒子优劣，一般设置为目标函数值

众所周知

• 一个较大的惯性权重有利于全局搜索
• 一个较小的惯性权重有利于局部搜索

基本粒子群算法的粒子速度迭代公式：

v_i^d=wv_i^d-1+c₁r₁(pbest_i^d-x_i^d)+c₂r₂(gbest^d-x_i^d)

w是定值，代表粒子自身的惯性权重，但随着迭代次数的增加，问题的求解细节也会有所改变，固定值在整体求解的过程中存在不少缺陷。因而，引入变动的惯性权重，以动态适应问题的求解流程。以下是两种用自适应惯性权重求解问题的范例。

求解最小值问题

1、w_min和w_max是预设的最小与最大惯性系数，一般w_min取0.4，w_max取0.9
2、f_average^d为第d次迭代时所有粒子的平均适应度
3、f_min^d=min{f(x₁^d),f(x₂^d),…，f(x