粒子群優(yōu)化算法的改進(jìn)及其應(yīng)用.pdf

1、自從粒子群優(yōu)化算法(簡(jiǎn)稱PSO算法)提出以來，由于其原理和運(yùn)行過程簡(jiǎn)單易操作得到大眾的廣泛學(xué)習(xí)和應(yīng)用，其主要應(yīng)用領(lǐng)域包括醫(yī)學(xué)、物流選址、路徑優(yōu)化、圖像處理、信號(hào)處理等。但是隨著問題的不斷復(fù)雜化，原始的粒子群優(yōu)化算法不能很好地解決現(xiàn)代出現(xiàn)的復(fù)雜多樣的問題。于是，出現(xiàn)了大量的改進(jìn)的算法來解決這些問題，包括參數(shù)改進(jìn)、拓?fù)浣Y(jié)構(gòu)的改進(jìn)和混合算法改進(jìn)等。
　　本論文以粒子群優(yōu)化算法為研究對(duì)象，采用參數(shù)改進(jìn)和混合算法來提高算法的性能，主要包括：

2、
　　首先，針對(duì)標(biāo)準(zhǔn)的PSO算法的收斂速度慢、精度低，易陷入局部極值點(diǎn)等問題，提出兩種參數(shù)改進(jìn)算法.第一、慣性權(quán)重的改進(jìn)，對(duì)慣性權(quán)重進(jìn)行動(dòng)態(tài)改進(jìn)。第二、學(xué)習(xí)因子的改進(jìn)，對(duì)社會(huì)學(xué)習(xí)因子和自我學(xué)習(xí)因子進(jìn)行非線性改進(jìn)。
　　其次，將改進(jìn)學(xué)習(xí)因子的PSO算法與人工魚群算法結(jié)合，得到一個(gè)新的混合算法。將標(biāo)準(zhǔn)粒子群算法、改進(jìn)的PSO算法和混合算法應(yīng)用在經(jīng)典函數(shù)優(yōu)化問題中。采用Matlab編寫代碼進(jìn)行數(shù)值實(shí)驗(yàn)對(duì)比，實(shí)驗(yàn)表明改進(jìn)的PSO算法