基于佳點(diǎn)交叉的粒子群算法的研究與應(yīng)用.pdf

1、粒子群優(yōu)化算法（Particle Swarm Optimization, PSO）是人工生命與群體智能理論的結(jié)合下提出的一種啟發(fā)式算法，最早是由Eberhart和Kennedy于九十年代中期提出的，是在鳥群、魚群和人類社會(huì)行為規(guī)律的啟發(fā)下提出的一種基于群體智能（Swarm Intelligence）的演化計(jì)算技術(shù)。
　　 粒子群算法由于算法中涉及的參數(shù)少、容易實(shí)現(xiàn)、收斂速度快等優(yōu)點(diǎn)被廣泛用于研究和解決現(xiàn)實(shí)的工業(yè)生產(chǎn)問題。但是隨著

2、應(yīng)用的普及，人們也越來(lái)越發(fā)現(xiàn)PSO有著它本身固有的缺點(diǎn)，如算法后期收斂的速度相對(duì)較慢，并且容易陷入局部極值和精度低等缺點(diǎn)。針對(duì)這些缺點(diǎn)，也掀起了研究PSO的熱潮，很多PSO的改進(jìn)算法也隨之提出。這其中最受關(guān)注之一的就是將遺傳算法的操作算子引入PSO。這其中最著名的就是Lovbjerg、Rasmuwsen和Krink早在2000年提出將進(jìn)化算法（遺傳算法）中的交叉算子引入PSO的協(xié)調(diào)粒子群優(yōu)化算法（HPSO）模型。
　　 粒子群算

3、法有基本粒子群算法和標(biāo)準(zhǔn)粒子群算法兩種。本論文首先介紹了經(jīng)過基本粒子群算法改進(jìn)而來(lái)的標(biāo)準(zhǔn)粒子群算法以及改進(jìn)的其他PSO算法。其次根據(jù)佳點(diǎn)集的優(yōu)良特性，提出了基于佳點(diǎn)集交叉的粒子群算法并從理論上說明了佳點(diǎn)集交叉應(yīng)用于粒子群算法的好處。最后，論文用提出的佳點(diǎn)集交叉粒子群算法解決連續(xù)空間的5個(gè)函數(shù)優(yōu)化和兩個(gè)典型的NP問題即TSP和背包問題。從連續(xù)空間的函數(shù)優(yōu)化和離散的組合優(yōu)化兩個(gè)方面證明了將佳點(diǎn)集交叉算法用于粒子群算法的優(yōu)化問題上無(wú)論從精度還