种群熵启动反向学习的动态多种群粒子群算法

针对传统粒子群优化算法在求解复杂优化问题时容易陷入局部最优和停滞的问题，提出采用种群熵启动反向学习的动态多种群粒子群算法。借鉴狮群算法划分狮群的思想，采用动态多种群划分策略，将粒子划分成3个不同行为子群，对其实施不同的位置更新公式，保持粒子在搜索过程中的多样性；在迭代阶段，为避免算法早熟，构建了各维重心反向变异策略丰富变异备选个体，并结合种群熵指标进行种群状态评价适时启动变异策略，帮助粒子跳出局部最优。最后，通过8个基准测试函数与同种类6种经典和新型改进算法，在不同维度下进行测试对比。数值实验结果表明，改进策略显著提升了粒子群算法搜索能力，在搜索精度和搜索速度方面均优于其他对比算法。