微粒群算法的改進(jìn)及在動態(tài)環(huán)境中的應(yīng)用.pdf

1、微粒群算法是一個通過對鳥類的覓食活動進(jìn)行模擬的優(yōu)化算法。自從微粒群算法問世以來，它的結(jié)構(gòu)簡單、運(yùn)算速度快的特點(diǎn)，不僅使它成為廣大學(xué)者研究的對象，而且還被應(yīng)用到眾多的實(shí)際領(lǐng)域之中。論文從微粒群算法的結(jié)構(gòu)改進(jìn)和參數(shù)調(diào)整方向入手，對微粒群算法進(jìn)行了研究，并把得到的改進(jìn)算法應(yīng)用到動態(tài)環(huán)境中。 本文通過大量的仿真實(shí)驗(yàn)，驗(yàn)證了標(biāo)準(zhǔn)微粒群算法對那些最優(yōu)值遠(yuǎn)離坐標(biāo)原點(diǎn)和搜索區(qū)域中心的測試函數(shù)沒有較好的仿真效果。緊接著通過構(gòu)造了一個零搜索算子以及

2、在算法仿真過程中的不同階段對測試函數(shù)的搜索區(qū)間進(jìn)行分割、極值位置進(jìn)行虛擬移動，從而最終得到了一個改進(jìn)的算法——空間分割微粒群算法。通過仿真實(shí)驗(yàn)證明，該算法對那些最優(yōu)值遠(yuǎn)離坐標(biāo)原點(diǎn)和搜索區(qū)域中心的測試函數(shù)有較好的仿真效果。參數(shù)調(diào)整也是一個微粒群算法的研究方向。社會系數(shù)與認(rèn)知系數(shù)是微粒群算法中的兩個重要的參數(shù)，近年來提出的很多關(guān)于這兩個參數(shù)的線性選擇策略也能夠提高算法效率和種群的多樣性。但是當(dāng)遇到復(fù)雜最優(yōu)化問題時，這些線性控制策略的仿真結(jié)果

3、就變差了。文章提出的加速度常數(shù)隨時間變化的預(yù)設(shè)定微粒群算法，該算法中的社會系數(shù)和認(rèn)知系數(shù)依照一個預(yù)先設(shè)定好的速度值進(jìn)行動態(tài)調(diào)整，其調(diào)整過程呈現(xiàn)出一種曲折波動的非線性特征：當(dāng)某個微粒的平均速度超過這個設(shè)定值，認(rèn)知系數(shù)和社會系數(shù)變成收斂態(tài)，當(dāng)某個微粒的平均速度低于這個設(shè)定值，認(rèn)知系數(shù)和社會系數(shù)變成發(fā)散態(tài)。仿真結(jié)果表明，較其他三種算法而言，該算法很適合解決高維多峰問題。算法的應(yīng)用研究是近年來微粒群算法研究的一個熱點(diǎn)。由于受到多種不確定的因素的