改進的粒子群優(yōu)化算法及應用研究.pdf

1、粒子群優(yōu)化算法是一種基于種群搜索策略的自適應隨機優(yōu)化算法，作為群智能的典型代表，它具有原理簡單、參數(shù)少、收斂速度較快等特點，已被證明是一種有效的全局優(yōu)化方法，并在實際工程中表現(xiàn)出巨大的潛力，但無論是理論分析還是實踐應用都尚未完全成熟，還有大量的問題值得研究?，F(xiàn)階段對PSO算法的改進，大多采用多種算法混合(如遺傳算法和粒子群算法的混合優(yōu)化)的方式，在提高了算法性能的同時，往往也增加了算法的理解復雜度和運算復雜度，這對算法的實現(xiàn)和工程應用是

2、不利的。因此，選擇粒子群優(yōu)化算法為研究對象，從其本身優(yōu)化運行特性分析出發(fā)，找到一種能夠提高算法綜合性能的單一粒子群優(yōu)化改進算法是很有意義的。本文以對粒子群算法的根本問題和粒子群行為特性分析為基礎，提出了一種新的粒子群優(yōu)化算法，該算法在運行過程中根據(jù)群體適應度方差與理想方差的比較來動態(tài)改變確定當前最佳粒子的慣性權(quán)值，該算法增強了粒子群優(yōu)化算法跳出局部最優(yōu)解的能力，能夠有效避免早熟收斂問題，同時又不引入其它算法概念，算法的理解復雜度、實現(xiàn)復

3、雜度得到有效控制。 另外，粒子群算法的應用研究，也是該算法研究的一個重要領域，本文首次將粒子群優(yōu)化算法引入到高校圖書采訪決策支持系統(tǒng)的設計中。 圖書采購的質(zhì)量直接影響著館藏質(zhì)量，從而在很大程度上決定著高校圖書館的整體服務水平。近年來，圖書館圖書采購的主觀盲目性造成的資源浪費和資金的綜合效益最大化之間的沖突日益明顯，鑒于這種情況，結(jié)合人工智能技術、計算機技術和圖書采訪理論等知識建立決策支持系統(tǒng)輔助圖書館決策就顯得十分必要。

4、采購圖書，是為了在有限資金范圍內(nèi)最大限度地滿足讀者的需要，因此，構(gòu)建高質(zhì)量的圖書采購輔助決策支持系統(tǒng)，其核心就在于設計高質(zhì)量的讀者需求分析算法和流通效用模型。本文在建立讀者直接需求、分類需求分析模型的基礎上，利用相似度理論建立了讀者隱式需求分析模型，然后再利用D-S證據(jù)理論將各種估計加以綜合得到最后的評價結(jié)果，得到遴選讀者需求優(yōu)先度評價模型。再運用數(shù)學建模的方法，建立起了反映采購復本量與圖書流通效用關系的數(shù)學模型，并將改進的粒子群優(yōu)化算