一種改進的粒子群優(yōu)化算法及其性能分析.pdf

1、優(yōu)化是個古老而實用的課題，在科學研究、經濟規(guī)劃以及工程應用等領域都能遇到優(yōu)化問題。本論文研究的粒子群優(yōu)化算法，是一種新近提出的基于群智能的優(yōu)化技術。作為智能優(yōu)化算法的一種，它能求解其它優(yōu)化算法所能求解的絕大部分優(yōu)化問題，且由于算法具有實現(xiàn)簡單、需調控的參數少、收斂速度快以及魯棒性強等優(yōu)點，因而得到了迅速的發(fā)展。目前，該算法已成功應用于函數優(yōu)化、神經網絡訓練、模式識別、模糊系統(tǒng)控制等諸多領域。本論文從以下幾個方面對粒子群優(yōu)化算法進行了研究

2、。 首先，介紹了原始粒子群優(yōu)化算法的機理，并從算法參數改進方面介紹了兩種標準粒子群優(yōu)化算法：一為帶慣性權重因子的粒子群優(yōu)化算法，調整了算法的探測與開發(fā)能力；一為帶收縮因子的粒子群優(yōu)化算法，保證了算法的收斂。同時，從混合粒子群優(yōu)化算法、粒子群優(yōu)化算法的離散化及應用等方面對算法進行了綜述。 接著，從離散時間線性系統(tǒng)的角度對粒子群優(yōu)化算法的行為進行了分析；還在給出一種簡化模型的基礎上，對粒子群優(yōu)化算法的收斂性進行了論述。