CAJ | 학술논문

　　由于 PSO 算法采用了随机集群的理念，与其他智能算法类似，会出现“早熟”或收敛速度慢的问题。全面学习粒子群算法（CLPSO）是模拟鸟群的随机搜索行为的一种应用于连续空间的群体智能优化算法，其主旨是对每个粒子的历史最优值一种概率的形式出现进行更新。受全面学习粒子群算法启发，结合基于惯性因子的 PSO 改进算法，对惯性因子动态化，得到一种改进型粒子群算法。改进算法可以较好地拓展粒子的学习对象和搜索范围，避免“早熟”现象；能够较好地跳出求解聚类中心过程中易陷入某一局部的极小值的情况，从而得到全局最优解。
　　유우 PSO 산법채용료수궤집군적이념，여기타지능산법유사，회출현“조숙”혹수렴속도만적문제。전면학습입자군산법（CLPSO）시모의조군적수궤수색행위적일충응용우련속공간적군체지능우화산법，기주지시대매개입자적역사최우치일충개솔적형식출현진행경신。수전면학습입자군산법계발，결합기우관성인자적 PSO 개진산법，대관성인자동태화，득도일충개진형입자군산법。개진산법가이교호지탁전입자적학습대상화수색범위，피면“조숙”현상；능구교호지도출구해취류중심과정중역함입모일국부적겁소치적정황，종이득도전국최우해。