粒子群算法的改進(jìn)及其在基因表達(dá)數(shù)據(jù)聚類中的應(yīng)用.pdf

1、粒子群優(yōu)化算法是一種模擬鳥(niǎo)類群體行為的智能優(yōu)化算法，現(xiàn)已成為進(jìn)化算法的一個(gè)新的重要分支。粒子群算法思想直觀、實(shí)現(xiàn)簡(jiǎn)單而且具有很高的執(zhí)行效率，自提出以來(lái)，受到國(guó)內(nèi)外眾多學(xué)者的關(guān)注。但是，粒子群算法發(fā)展歷史尚短，理論研究不深，在處理特定問(wèn)題及應(yīng)用中還存在一些問(wèn)題。于是，粒子群優(yōu)化算法的改進(jìn)和為其開(kāi)拓新的應(yīng)用領(lǐng)域成為目前優(yōu)化算法研究的熱點(diǎn)。
　　首先，本文提出了一種基于粒子成長(zhǎng)階段的粒子群改進(jìn)算法。該算法采用變異機(jī)制使得粒子群能有效地跳

2、出局部極值；采用人在社會(huì)中扮演的角色以及人的成長(zhǎng)過(guò)程來(lái)定義粒子，通過(guò)劃分粒子的成長(zhǎng)階段，使得處于不同階段的粒子采用不同的學(xué)習(xí)因子。利用一組具有代表性的基準(zhǔn)優(yōu)化測(cè)試函數(shù)對(duì)該算法進(jìn)行測(cè)試，以此來(lái)驗(yàn)證該算法的有效性。
　　其次，本文提出了一種基于雙重變異的粒子群改進(jìn)算法。避免粒子群早熟收斂的主要措施是保持種群多樣性或者引入跳出局部極值點(diǎn)的機(jī)制。該算法采用非線性動(dòng)態(tài)調(diào)整慣性權(quán)值和自適應(yīng)雙重變異機(jī)制，使得算法利于平衡粒子的開(kāi)發(fā)和探測(cè)能力并且