摘 要：粒子群算法是一种群智能优化算法，存在早熟和易陷入局部极小值等缺陷。本文采用改进惯性权重和学习因子，平衡算法的全局搜索和局部搜索能力，并引入局部最优检验综合改进算法，经仿真实验，有效提高了算法性能。
关键词：粒子群算法；惯性权重 ；学习因子； 局优检验
0 引言
1995年，Kennedy和Eberhart模拟了鸟群觅食行为，设想这样一个场景:一群鸟在随机搜寻食物，在这个区域里只有一块食物，一开始所有的鸟均不知道食物在那里，但它们知道哪只鸟和食物距离最近，还有自己曾经距离食物最近的位置，于是，每只鸟试图通过这两个位置来确定自己搜寻食物的飞行方向。我们可以将鸟群觅食过程看作是一个优化问题，每只鸟是问题的一个潜在解，食物是优化问题的最优解，个体找到食物就相当于优化问题找到最优解。粒子群优化算法就是从这种模型中得到启示并被提出来用于解决优化问题。
1.标准粒子群算法描述
D维空间中，粒子种群其中，， 分别表示第个粒子的位置和速度。第个粒子的个体极值为整个粒子群的全局极值表示为。则第个粒子更新速度和位置的公式为 李玉毛.粒子群算法的研究及改进:西北大学硕士学位论文.西安:西北大学
