粒子群優(yōu)化算法的改進(jìn)與應(yīng)用.pdf

1、粒子群優(yōu)化算法(PSO)是近年來(lái)被廣為關(guān)注和研究的一種智能優(yōu)化算法，源于對(duì)鳥群覓食行為的模擬。粒子群優(yōu)化算法的優(yōu)勢(shì)在于算法的簡(jiǎn)潔性，實(shí)現(xiàn)簡(jiǎn)單容易，沒(méi)有很多參數(shù)需要調(diào)整，因而得到了學(xué)術(shù)界的廣泛重視，已成為一種重要的優(yōu)化工具，并成功應(yīng)用于函數(shù)優(yōu)化、動(dòng)態(tài)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練等領(lǐng)域。 由于粒子群優(yōu)化算法提出-的時(shí)間不長(zhǎng)，雖然它的形式看上去比較簡(jiǎn)單，但是一些根本的問(wèn)題，比如算法的機(jī)理問(wèn)題，仍然沒(méi)能得到很好的理解。在應(yīng)用方面，如何將其與其它優(yōu)

2、化算法相結(jié)合以便更適合解決實(shí)際的優(yōu)化問(wèn)題，本文針對(duì)粒子群優(yōu)化算法的早熟收斂，容易陷入局部最優(yōu)且搜索精度不高等缺點(diǎn)，在現(xiàn)有的粒子群優(yōu)化算法的基礎(chǔ)上對(duì)其進(jìn)行了若干改進(jìn)，并將改進(jìn)的算法進(jìn)行了實(shí)際的應(yīng)用。 具體工作如下： (1)提出了避免微粒群陷入局部最優(yōu)的全局最優(yōu)位置變異的粒子群算法、維變異粒子群算法，并給出了變異時(shí)機(jī)和變異概率的詳細(xì)分析。 (2)從信息交換方式的角度出發(fā)提出了改進(jìn)的帶收縮因子的變異粒子群算法，新算法使

3、粒子可以利用更多其他粒子的有用信息，即通過(guò)個(gè)體極值加權(quán)來(lái)平衡算法搜索效率和精度之間的矛盾，同時(shí)改變了粒子的行為方式，并與其他算法做了比較，體現(xiàn)了該算法的優(yōu)越性。同時(shí)還提出了含維變異粒子群優(yōu)化算法。 (3)針對(duì)PS0算法局部搜索能力較弱和存在早熟收斂的問(wèn)題，本文提出了一種求解多維約束優(yōu)化問(wèn)題的改進(jìn)的帶交叉因子的粒子群優(yōu)化算法。此外，在搜索過(guò)程中還可以加入變異操作來(lái)增加種群多樣性，以避免種群早熟收斂，其中變異操作提高了算法的探測(cè)能力