论文部分内容阅读
为平衡粒子群算法的全局搜索和局部搜索性能,克服其易陷入局部极值的缺陷,提出一种基于Levy变异的反向粒子群改进优化算法.该算法利用反向学习策略和具有Levy飞行特征的改进搜索策略,同时利用位置因子和速度因子对出现停滞的粒子进行判断.采用6个典型的基准测试函数将新的算法与标准粒子群算法及反向学习粒子群算法的搜索结果进行对比,实验结果表明新的算法在前期的搜索能力和后期的搜索精度上都优于其他2种算法.