【摘要】：实验数据表明MPSO算法较大地改善了标准粒子群优化算法的性能，具有更稳健的搜索能力和更高的收敛精度，说明排斥阶段对于标准PSO算法性能的改善起到了关键的作用，下面将以测试函数F5为例考察MPSO算法在吸引和排斥阶段的行为，一是分析在每一代中处于吸引和排斥状态的粒子比例变化，二是粒子到群质心距离的最大、最小及平均值的变化情况。
3.4 吸引和排斥阶段的行为分析
上一节提出了一种新颖的基于分子运动论的粒子群优化算法，算法引入分子作用力来控制粒子的飞行方向，使得每个粒子都具有吸引和排斥两种状态，根据种群中粒子与群质心的距离远近，粒子在这两种状态之间转换，这种处理方式较好地平衡了局部“搜索”和“开拓”新领域之间的关系。实验数据表明MPSO算法较大地改善了标准粒子群优化算法的性能，具有更稳健的搜索能力和更高的收敛精度，说明排斥阶段对于标准PSO算法性能的改善起到了关键的作用，下面将以测试函数F5为例考察MPSO算法在吸引和排斥阶段的行为，一是分析在每一代中处于吸引和排斥状态的粒子比例变化，二是粒子到群质心距离的最大、最小及平均值的变化情况。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
