運(yùn)用種群多樣性動(dòng)態(tài)調(diào)整機(jī)制的粒子群優(yōu)化算法研究.pdf

1、最優(yōu)化問題廣泛存在于科學(xué)研究、經(jīng)濟(jì)管理等領(lǐng)域,優(yōu)化問題存在的普遍性促使優(yōu)化技術(shù)和優(yōu)化算法不斷進(jìn)步。隨著工業(yè)技術(shù)和科學(xué)研究的快速發(fā)展,現(xiàn)實(shí)的優(yōu)化問題也變得越來越復(fù)雜,研究者開始致力于提出更為高效的優(yōu)化算法。
　　粒子群算法是智能算法中一個(gè)新的技術(shù),它不僅能很好地處理復(fù)雜高維的問題,在一些領(lǐng)域知識(shí)貧乏的問題中也尤為有效。由于其原理簡單、參數(shù)便于調(diào)整等優(yōu)點(diǎn),自誕生以來備受研究者的關(guān)注。粒子群優(yōu)化算法作為一種基于群體協(xié)作的智能算法,其種群

2、多樣性是一個(gè)重要研究焦點(diǎn)。種群的多樣性描述個(gè)體行為和群體的變化趨勢(shì),決定了整個(gè)算法的進(jìn)化活力和收斂性能。充分考慮到種群多樣性變化對(duì)算法尋優(yōu)能力的影響,本文從保持種群多樣性的角度出發(fā),展開對(duì)粒子群優(yōu)化算法的性能改進(jìn)研究,論文的主要工作如下:
　　本文深入分析了社會(huì)結(jié)構(gòu)與多樣性的關(guān)系,采用多生態(tài)子群的社會(huì)結(jié)構(gòu),每個(gè)生態(tài)子群在各自的社會(huì)環(huán)境中尋求極值點(diǎn),減緩粒子的聚集過程,在進(jìn)化初期有效地保持了種群多樣性。
　　提出全信息學(xué)習(xí)策略

3、和差異融合策略兩種多樣性動(dòng)態(tài)調(diào)整機(jī)制。全信息學(xué)習(xí)策略以全信息粒子作為粒子間的溝通橋梁,該粒子匯集了生態(tài)子群內(nèi)所有粒子的優(yōu)秀信息。在算法的進(jìn)化過程中通過動(dòng)態(tài)變化全信息粒子的計(jì)算參數(shù),調(diào)整粒子的聚合比例,為粒子的學(xué)習(xí)帶來更多選擇,其動(dòng)態(tài)性有利于粒子運(yùn)動(dòng)方向的多元化發(fā)展。差異融合策略以種群變化趨勢(shì)為標(biāo)識(shí),實(shí)時(shí)監(jiān)控并調(diào)整社會(huì)結(jié)構(gòu),從而動(dòng)態(tài)調(diào)整多樣性在進(jìn)化過程中的變化趨勢(shì)。
　　通過經(jīng)典測試函數(shù)和物流實(shí)例驗(yàn)證本文算法的性能,實(shí)驗(yàn)結(jié)果表明算法