资 源 简 介
应用背景对于智能计算、优化理论方面，遗传算法和粒子群算法都属于现代仿生类优化算法，但是两者还是存在差异，遗传算法的核心在于变异和交叉，粒子群算法的核心在于个体寻优和群体寻优之间取平衡。通常研究者机械地将将两种算法结合起来，使得程序复杂，运行时间偏长，本程序以粒子群算法为主，巧妙地将遗传算法的变异思想引入粒子群算法，这一简单改进却可以大大提高粒子群算法的性能。但是，注意 引入随机数时的阈值 需要反复试验确定，目前这个程序没有做到阈值自适应。关键技术将遗传算法的变异思想 巧妙引入 粒子群算法 中改进粒子群算法寻优性能，使得寻优速度更快，当测试复杂高维的benchmark时，也更加接近最优值
