2种增强粒子群优化算法多样性的有效方法
1、引入粒子变异的反向飞行改进粒子群算法
基于粒子变异的改进粒子群算法(MPSO)针对基本粒子群优化算法(PSO)表现出强烈的趋同性的特点，通过改变部分粒子的运动方向来维持和增加种群的多样性，提高粒子群算法对解空间的搜索能力。
此算法的基本思想是把整个种群分成不同的两个小组，当一个小组的粒子飞向目前的最优解时，另外一个小组反方向飞行，以有效避免算法陷入局部最优的可能性。
具体的方法是引入遗传算法中变异率的概念，将整个种群的数目乘以变异率，产生变异的粒子，这部分变异的粒子，飞行速度的方向不再按照原速度更新公式计算出的速度方向，向整个种群目前找到的最优解飞行，而是朝相反的方向飞行。这样就显著增加了种群在搜索过程中的多样性，使得粒子集聚的程度大大减轻，不至于陷于局部最优解。
2、引入向最差个体学习的改进粒子群优化算法
基本粒子群优化算法(PSO)只向全局最优个体和自身历史最优学习，可以引入吸取最差个体经验的方式来改进速度更新公式，进而增强粒子群优化算法多样性。
具体操作时与上面的改进方式一样，还应当分为两个小组，其中一组为优势组，而另一组为劣势组，组间可以相互交流，一般而言当优势组快速收敛时，多样性迅速丧失，而此时劣势组则能保持较好的多样性。
3、引申至智能算法的多样性改进
上面介绍的2种增强粒子群优化算法多样性的方法经过稍微修改，也可以应用于其它智能算法……
sylindar on 八月 3rd, 2010
这位仁兄你写的太好了，有没有其他关于粒子群和人工蜂群的，多分享点呗，谢~~
CnHUP on 八月 3rd, 2010
谢谢!近来在完善智能算法框架中，少关注了些国内外最新智能算法研究进展，一定多努力，常回来看看哦~~
lsc on 七月 2nd, 2010
高人，太低调了
lsc on 七月 2nd, 2010
太强了
CnHUP on 七月 2nd, 2010
实是无米之炊了，哪有你那么多料