粒子群優(yōu)化算法的研究和改進.pdf

1、粒子群優(yōu)化算法（PSO）由Kennedy博士和Eberhart博士于1995年提出，是一種基于種群搜索策略的自適應隨機優(yōu)化算法。做為群智能的典型代表，PSO算法已被證明是一種有效的全局優(yōu)化方法，它可用于求解大部分的優(yōu)化問題，并在實際工程中表現(xiàn)出巨大的潛力。 但現(xiàn)階段對PSO算法的研究還不夠完善，算法核心部分的參數(shù)選擇仍然有很大爭議。目前許多對算法的改進，在提高了算法性能的同時，也增加算法的運算復雜度，這不適合于對算法收斂速度要求

2、較高的應用，因此選擇粒子群優(yōu)化算法為研究對象，找到一種能夠提高算法收斂速度又不增加算法復雜度的改進方法是很有意義的。 本文通過對算法收斂性以及算法局限性的分析，指出了可以提高算法性能的四種途徑：提高收斂速度（本文改進所采用）、增加種群多樣性、擺脫停滯的束縛、與其它優(yōu)化算法的結合，對每種途徑都做了詳細分析，指明其優(yōu)缺點。隨后又指出了粒子群模型的一些容易被忽視的內(nèi)在結構對算法性能的影響。 最后，提出了一種新的改進算法Modi