針對基本粒子群優(yōu)化(basic particle swarm optimization,簡稱bPSO)算法容易陷入局部極值、進化后期 的收斂速度慢和精度低等缺點,采用簡化粒子群優(yōu)化方程和添加極值擾動算子兩種策略加以改進,提出了簡化 粒子群優(yōu)化(simple particle swarm optimization,簡稱sPSO)算法、帶極值擾動粒子群優(yōu)化(extremum disturbed particle swarm optimization,簡稱tPSO)算法和基于二者的帶極值擾動的簡化粒子群優(yōu)化(extremum disturbed and simple particle swarm optimization,簡稱tsPSO)算法.sPSO 去掉了PSO 進化方程的粒子速度項而使原來的二階微 分方程簡化為一階微分方程,僅由粒子位置控制進化過程,避免了由粒子速度項引起的粒子發(fā)散而導(dǎo)致后期收 斂變慢和精度低問題.tPSO 增加極值擾動算子可以加快粒子跳出局部極值點而繼續(xù)優(yōu)化.對幾個經(jīng)典測試函數(shù) 進行實驗的結(jié)果表明,sPSO 能夠極大地提高收斂速度和精度;tPSO 能夠有效擺脫局部極值點;以上兩種策略相 結(jié)合,tsPSO 以更小的種群數(shù)和進化世代數(shù)獲得了非常好的優(yōu)化效果,從而使得PSO 算法更加實用化.