動態(tài)環(huán)境下改進的粒子群算法.pdf

1、粒子群優(yōu)化算法(Particle Swarm Optimization，簡稱PSO)是由Kennedy和Eberhart于1995年提出的一種基于群智能(Swarm Intelligence)的演化計算技術(shù)。它是在鳥群、魚群和人類社會行為規(guī)律的啟發(fā)下提出的。粒子群優(yōu)化算法在函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓練、模式分類、模糊系統(tǒng)控制以及其它工程領(lǐng)域都得到廣泛地應(yīng)用。本文綜述了粒子群算法的基本思想和提出背景--群智能計算，詳細介紹了基本粒子群算法及其各

2、種改進算法。本文主要將粒子群算法與進化規(guī)劃相結(jié)合，在動態(tài)優(yōu)化環(huán)境下給出一種改進的粒子群算法。在不同動態(tài)優(yōu)化環(huán)境下對算法的跟蹤效果進行了實驗；在此基礎(chǔ)上，引入了種群熵的概念，分析了改進的粒子群算法的種群多樣性與跟蹤效果的關(guān)系。
　　 本文重點包括以下兩個方面：
　　 (1)由于基本PSO方法種群多樣性損失過快，進化過程中易于陷入局部極值，引起算法過早收斂，這就使基本PSO方法對動態(tài)變化的極值點不能進行及時有效的跟蹤。本文在

3、動態(tài)優(yōu)化環(huán)境下給出一種改進的粒子群算法，并在不同動態(tài)環(huán)境下將這種方法與現(xiàn)有的幾種動態(tài)優(yōu)化環(huán)境下的粒子群算法在跟蹤效果上進行了對比。實驗表明，改進的粒子群方法有很強的適應(yīng)動態(tài)優(yōu)化環(huán)境的能力，能夠?qū)討B(tài)變化的最優(yōu)點進行有效的跟蹤，無論在跟蹤速度還是跟蹤精度上都比其它方法有明顯提高。
　　 (2)在動態(tài)優(yōu)化環(huán)境下，對現(xiàn)有粒子群算法的種群多樣性進行了分析，并對改進的粒子群算法的種群多樣性與跟蹤效果的關(guān)系進行了實驗。實驗表明種群中粒子運動