自适应简化粒子群优化算法及其应用

针对粒子群优化算法（Particle Swarm Optimization;PSO）寻优速度慢、收敛精度不高且搜索结果波动性较大的缺点;提出了一种自适应简化粒子群优化算法（Self-Adjusted Simplified Particle Swarm Optimization;SASPSO）。在每次迭代过程中;粒子只受全局最优解影响;且加入按一定规律分布的锁定因子;令粒子受影响的程度有规律性。同时;利用锁定因子和当前粒子位置令惯性权重自适应配置;更有效地利用惯性权重对粒子群优化算法的影响。引入4种近期提出的改进粒子群算法同时搜索不同维度时的18个基准函数;与SASPSO的搜索结果对比;并使用T-test进行差异性分析。为了进一步分析算法性能;统计5个改进算法搜索100维函数达到期望值时的成功率与平均迭代次数。实验结果证明;SASPSO在无约束问题寻优中的收敛速度、寻优精度有了明显提升;且搜索结果异常值较少;波动性弱。将SASPSO应用于机床主轴结构参数优化问题;结果显示SASPSO优化性能更好。