基于免疫算法的粒子群優(yōu)化算法的研究.pdf

1、粒子群優(yōu)化算法(Particle Swarm Optimization，PSO算法)源于鳥群和魚群群體運動行為的研究，是一種基于群體智能的進化計算技術，是進化計算領域中的一個新的分支。作為一種新的并行優(yōu)化算法，粒子群算法可用于解決大量的非線性，不可微和多峰值的復雜問題優(yōu)化，并已廣泛應用于科學和工程領域。粒子群優(yōu)化算法的收斂速度快，運算簡單，易于實現(xiàn)，沒有遺傳算法的編解碼和雜交變異等復雜運算。因此，粒子群算法一經提出，立即引起了進化計算領

2、域的學者們的廣泛關注，并在短短的幾年時間里出現(xiàn)大量的研究成果。但是粒子群優(yōu)化算法是根據全體粒子和自身的搜索經驗向著最優(yōu)解的方向“飛行”，在進化后期收斂速度明顯變慢，同時算法收斂到一定精度時，算法無法繼續(xù)優(yōu)化，因此算法所能達到的精度較差。 本文系統(tǒng)地論述了PSO算法及其各種研究成果，并且針對基本粒子群算法的容易陷入局部極小值，搜索精度不高等缺點，在算法改進方面提出了與免疫算法相結合的PSO算法，利用免疫算法能夠保持個體多樣性的特點

3、，使算法能夠跳出局部極值。并使用四個經典的測試函數(shù)對其進行了測試，試驗結果表明，這些改進取得了較好的效果。本文的重點在于對PSO算法的改進，主要內容包括： 1．拋棄傳統(tǒng)的隨機初始化粒子和粒子的速度方法，采用logistic映射生成初 始化粒子，以及粒子的初始速度； 2．將免疫算法中的基于濃度的選擇機制引入到PSO算法中，這樣結合了PSO算 法的全局尋優(yōu)能力和免疫算法保持群體多樣性的機制，使得PSO算法具有了 擺脫局