粒子群算法改进——随机惯性权重

随机惯性权重

随机惯性权重通过随机分布的方式获取惯性权重，这样既可以避免在迭代前期局部搜索能力的不足； 也可以避免在迭代后期全局搜索能力的不足，其在收敛速度和全局收敛性方面相比基本粒子群算法有明显提高。

随机惯性权重公式

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

w = μ_min + (μ_max - μ_min) · rand() + σ · randn()

μ_min是随机惯性权重的最小值；
μ_max是随机惯性权重的最大值；
rand()为[0,1]均匀分布的随机数；
randn()为正态分布的随机数；
σ(标准差)用来度量随机惯性权重w与其数学期望之间的偏离程度（一般取0.2~0.5之间的一个数），该项是为了控制取值中的权重误差，使权重w有利于向期望权重方向进化（一般情况下实验误差服从正态分布）。

范例代码

求解函数y = 7cos(5x) + 4*