【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第11期 312-316页,共5页

【作 者】： 孟非 ; 李金金 ; 解志斌

【摘 要】 在粒子群优化算法的研究中，粒子群算法是根据鸟群觅食过程中的迁徙和群集模型提出的，用来解决优化问题的一种随机方法。由于传统二进制粒子群算法具有早熟收敛的缺点，为提高算法的速度和稳定性，提出将“鲶鱼效应”引入到算法中，有效增加优化过程中种群的多样性，进而使粒子能够跳出局部最优点，进入解空间的其它区域继续进行搜索，有效避免早熟收敛的发生，直到最后找到全局最优解。数值仿真表明，通过恰当地选取算法的相关参数，鲶鱼二进制粒子群优化算法在收敛率、寻优速度及稳定性方面均有所提高。