惯性权重历史依赖.docxVIP

惯性权重历史依赖

惯性权重历史依赖

粒子群算法里的惯性权重历史依赖并不是单纯把上一代权重数值搬进下一代更新公式那么简单，它本质上是在连续迭代过程中让当前搜索状态受到过去若干代权重轨迹、收敛节奏、群体离散程度和个体历史表现的共同影响。传统线性递减惯性权重只按固定时间轴从大到小变化，默认每一代都拥有相同历史起点和相同路径意义，而历史依赖型惯性权重会把算法已经走过的搜索历程当作一种可记忆、可反馈、可修正的信息源。也就是说，权重不再只是迭代次数的函数，而成为迭代历史、群体演化史和个体经验史的函数。当粒子在早期探索阶段频繁跨越不同区域时，历史权重如果表现出过高且长期不降，就说明算法可能一直在粗糙搜索而