粒子群優(yōu)化算法的改進與應(yīng)用.pdf

1、粒子群優(yōu)化算法(PSO)是近年來被廣為關(guān)注和研究的一種智能優(yōu)化算法，源于對鳥群覓食行為的模擬。粒子群優(yōu)化算法的優(yōu)勢在于算法的簡潔性，實現(xiàn)簡單容易，沒有很多參數(shù)需要調(diào)整，因而得到了學(xué)術(shù)界的廣泛重視，已成為一種重要的優(yōu)化工具，并成功應(yīng)用于函數(shù)優(yōu)化、動態(tài)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練等領(lǐng)域。 由于粒子群優(yōu)化算法提出-的時間不長，雖然它的形式看上去比較簡單，但是一些根本的問題，比如算法的機理問題，仍然沒能得到很好的理解。在應(yīng)用方面，如何將其與其它優(yōu)

2、化算法相結(jié)合以便更適合解決實際的優(yōu)化問題，本文針對粒子群優(yōu)化算法的早熟收斂，容易陷入局部最優(yōu)且搜索精度不高等缺點，在現(xiàn)有的粒子群優(yōu)化算法的基礎(chǔ)上對其進行了若干改進，并將改進的算法進行了實際的應(yīng)用。 具體工作如下： (1)提出了避免微粒群陷入局部最優(yōu)的全局最優(yōu)位置變異的粒子群算法、維變異粒子群算法，并給出了變異時機和變異概率的詳細分析。 (2)從信息交換方式的角度出發(fā)提出了改進的帶收縮因子的變異粒子群算法，新算法使

3、粒子可以利用更多其他粒子的有用信息，即通過個體極值加權(quán)來平衡算法搜索效率和精度之間的矛盾，同時改變了粒子的行為方式，并與其他算法做了比較，體現(xiàn)了該算法的優(yōu)越性。同時還提出了含維變異粒子群優(yōu)化算法。 (3)針對PS0算法局部搜索能力較弱和存在早熟收斂的問題，本文提出了一種求解多維約束優(yōu)化問題的改進的帶交叉因子的粒子群優(yōu)化算法。此外，在搜索過程中還可以加入變異操作來增加種群多樣性，以避免種群早熟收斂，其中變異操作提高了算法的探測能力