粒子群優(yōu)化算法的擴展與應(yīng)用.pdf

1、粒子群優(yōu)化算法是近十年提出的一種隨機起始、平行搜索、有記憶的優(yōu)化算法.本文分析了它的優(yōu)缺點,將它與其他算法相結(jié)合,以便更好地解決實際應(yīng)用問題,為此作了如下一些工作: 1.分析了粒子群優(yōu)化算法的基本形式、步驟、和結(jié)構(gòu).討論了參數(shù)對算法效率的影響,并在一定條件下,得到了粒子的運動軌跡,且對其收斂性進行了分析. 2.提出通過能量函數(shù)把非線性方程組的求解轉(zhuǎn)化為能量函數(shù)的優(yōu)化問題,以克服牛頓迭代法初值難以選定的麻煩.進而對此類問題

2、分別提出用混沌改進的粒子群算法和粒子群復(fù)形法進行求解.將新方法用于建立復(fù)合材料的壽命與應(yīng)力、溫度、濕度的關(guān)系模型,和求解薄壁矩形梁截面幾何尺寸的非線性方程,均取得良好的效果. 3.對于旅行商問題(TSP),提出將粒子群優(yōu)化算法的平行搜索與復(fù)形法的迭代機制相結(jié)合,再根據(jù)梯度與幾何分點的特性,設(shè)計了用粒子群復(fù)形法(MCPSO)求解旅行商問題的算法.同時又對TSP的解序列定義了新運算,使MCPSO及其它連續(xù)優(yōu)化算法可用于TSP.此外,

3、改進了對解序列的最優(yōu)搜索,提供了可供深入研究的新思路.實際計算測試和應(yīng)用于印刷電路板鉆孔走刀路線優(yōu)化的結(jié)果,都顯示了該方案可行且有效,與其它方法相比有優(yōu)越性.對此類問題還提出用分塊逼近的粒子群算法進行求解,也取得了良好的結(jié)果. 4. 本文提出用混沌粒子群算法進行求解動態(tài)優(yōu)化,通過適當(dāng)改進使算法適合于求解此類問題.將其應(yīng)用于Park-Ramirez生物反應(yīng)器補料流率的動態(tài)優(yōu)化控制、以及一個有固定邊值條件的間歇反應(yīng)器的最優(yōu)反應(yīng)溫度的

4、動態(tài)優(yōu)化控制等兩個實例,均取得良好效果. 5.本文提出多目標(biāo)優(yōu)化問題的理想有效解概念,并對粒子群優(yōu)化算法進行適當(dāng)?shù)馗倪M使其能快速求出多目標(biāo)優(yōu)化問題的理想有效解.通過對多亞甲基多苯基多胺生產(chǎn)過程多目標(biāo)優(yōu)化的實際應(yīng)用取得良好效果. 6. 為了避免粒子群算法易陷局部極值的困境,本文提出用共軛方向與粒子群算法相結(jié)合的方法,并將該方法應(yīng)用于對SO<,2>催化氧化反應(yīng)動力學(xué)模型的非線性參數(shù)估計,取得了良好效果.另外還根據(jù)實際的需要,