針對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化（PSO）算法在復(fù)雜問(wèn)題上收斂速度慢和早熟收斂的缺點(diǎn)，提出了一種多策略并行學(xué)習(xí)的異構(gòu)PSO算法（MHPSO）。該算法首先從種群多樣性和跳出局部極值的角度提出了兩種新學(xué)習(xí)策略（局部擾動(dòng)學(xué)習(xí)策略和高斯子空間學(xué)習(xí)策略），并將這兩種策略與MBB-PSO策略融合組成高效穩(wěn)定的策略池。其次提出了一種簡(jiǎn)單有效的策略更換機(jī)制，指導(dǎo)粒子迭代尋優(yōu)中何時(shí)更換學(xué)習(xí)策略。基準(zhǔn)測(cè)試函數(shù)的實(shí)驗(yàn)結(jié)果表明，改進(jìn)的粒子群優(yōu)化算法在求解精度和收斂速度上得到極大的提高。與一些改進(jìn)PSO算法（如自適應(yīng)的粒子群優(yōu)化（APSO）算法等）相比，所提算法具有更優(yōu)良的尋優(yōu)性能。
?