基于擾動項的粒子群優(yōu)化算法的研究.pdf

1、粒子群優(yōu)化算法(Particle Swarm Optimizer,PSO)是一種基于群智能方法的優(yōu)化計算技術(shù)。相對于其它進(jìn)化算法,PSO算法的概念和參數(shù)設(shè)置都很簡單,易于實現(xiàn),收斂速度快,具有較強(qiáng)的全局搜索能力。但是PSO在搜索過程中,種群容易失去多樣性,從而陷入局部極小點。本文主要通過在粒子更新公式中加入擾動項來改進(jìn)種群多樣性從而提高PSO的搜索性能。本文主要工作包括:
　　 (1)提出基于擾動項的混合粒子群優(yōu)化算法。該算法是

2、在粒子群粒子失去多樣性時,通過將在包含粒子群的超球外的隨機(jī)粒子引入粒子更新公式來對粒子群中的粒子進(jìn)行干擾,通過外力盡量使粒子群以一定的程度散開,從而增加了粒子群的多樣性,擴(kuò)大了解空間。實驗結(jié)果表明,該算法一定程度增加了粒子群粒子的多樣性,在函數(shù)逼近和尋優(yōu)方面具有很好的性能。
　　 (2)提出基于擾動項和梯度下降的混合粒子群優(yōu)化算法。該算法將隨機(jī)搜索與確定搜索結(jié)合起來進(jìn)行搜索。在粒子群粒子失去多樣性時,將加入擾動項的隨機(jī)搜索和加入