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(yùn)動行為的研究，是一種基于群體智能的進(jìn)化計算技術(shù)，是進(jìn)化計算領(lǐng)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(fù)雜問題優(yōu)化，并已廣泛應(yīng)用于科學(xué)和工程領(lǐng)域。粒子群優(yōu)化算法的收斂速度快，運(yùn)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(fù)雜運(yùn)算。因此，粒子群算法一經(jīng)提出，立即引起了進(jìn)化計算領(lǐng)

2、域的學(xué)者們的廣泛關(guān)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(jù)全體粒子和自身的搜索經(jīng)驗向著最優(yōu)解的方向“飛行”，在進(jìn)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(dá)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(jìn)方面提出了與免疫算法相結(jié)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(jīng)典的測試函數(shù)對其進(jìn)行了測試，試驗結(jié)果表明，這些改進(jìn)取得了較好的效果。本文的重點在于對PSO算法的改進(jìn)，主要內(nèi)容包括： 1．拋棄傳統(tǒng)的隨機(jī)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(jī)制引入到PSO算法中，這樣結(jié)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(jī)制，使得PSO算法具有了 擺脫局