本文研究了用于综合学习粒子群优化的水平交叉（HC）和基于稳定性的自适应惯性权重（SAIW）策略。 HC在两个不同的个人最佳职位的所有维度上应用算术交叉。 SAIW自适应地调整每个维度上每个粒子的惯性权重和加速度系数。 在各种基准功能上的实验结果表明，HC可以显着提高优化程序的收敛性能，而SAIW则不能。 结果还表明，HC和SAIW有待进一步改进。