微粒群優(yōu)化算法的改進研究與應(yīng)用.pdf

1、20世紀以來，群體智能的誕生使優(yōu)化領(lǐng)域得到了很大的發(fā)展，學者在研究生物群體行為時候得到了啟示，提出了許多基于群體智能的算法，微粒群優(yōu)化算法就是其中的一種。它是一種基于群體搜索策略的自適應(yīng)隨機算法，由于算法簡單、參數(shù)較少、實現(xiàn)簡單的特點，因此該算法被提出后得到了國內(nèi)外許多學者的關(guān)注，逐漸成為一個新的研究熱點。已經(jīng)廣泛應(yīng)用于神經(jīng)網(wǎng)絡(luò)、函數(shù)優(yōu)化、參數(shù)優(yōu)化、數(shù)據(jù)挖掘、圖像處理、信號處理、模式識別等領(lǐng)域并取得了良好的效果，有著廣闊的應(yīng)用前景。

2、 本文的主要工作總結(jié)歸納為以下幾方面： 首先，對微粒群優(yōu)化算法的理論基礎(chǔ)和研究現(xiàn)狀作了簡要的介紹，分析了粒子群優(yōu)化算法的原理、算法流程以及算法的特點，對算法參數(shù)的選擇做了詳細的研究，并進行了相應(yīng)的仿真實驗。 其次，針對標準微粒群算法收斂速度較慢、收斂精度低、易陷入局部最優(yōu)的問題，將方差聚集的思想、平均極值、停滯變異策略等引入了微粒群優(yōu)化算法，用方差聚集思想改進現(xiàn)有的參數(shù)，根據(jù)粒子的自適應(yīng)度值進行排序。通過控制慣性權(quán)重

3、因子大小，使同一代中的粒子具有不同的慣性權(quán)重因子值，因此每個粒子具有不同的更新公式，將平均極值引入和變異策略引入是為了增加了粒子的多樣性，增強微粒群優(yōu)化算法計算后期的全局尋優(yōu)能力。通過仿真實驗，驗證了優(yōu)化后的算法具有良好的全局尋優(yōu)能力和收斂速度。 再次，將改進后的微粒群優(yōu)化算法應(yīng)用到矢量量化碼書設(shè)計當中。在分析了碼書設(shè)計中經(jīng)典算法LBG的性能之后，通過仿真實驗說明了LBG算法的缺點，包括對初始碼書敏感和容易陷入局部最優(yōu)。因此將本