粒子群算法及其在模式識別領(lǐng)域中的應(yīng)用.pdf

1、本文首先介紹了基本的粒子群算法以及粒子群算法的發(fā)展概況，對簡化版本PSO的收斂性和條件進行了分析，隨后，將粒子群算法用于求解多峰搜索問題，用改進的粒子群算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)。本文的主要研究成果可歸納如下: (1) 對多峰搜索問題提出了一類動態(tài)微粒群算法，該算法通過變換函數(shù)將多峰問題中的所有峰變?yōu)榈雀叻?，從而保證每個峰都有同等機會被找到；在搜索過程中采用群體規(guī)模動態(tài)可調(diào)的進化方式，使得初始群體可以任意指定，從而克服了標準微粒群算法由于

2、無法事先知道多峰函數(shù)峰值點個數(shù)而很難確定合適群體大小的困難。實驗表明了該算法可以盡可能多的找到峰值點。 (2) 對多峰搜索問題提出了一類基于微粒群優(yōu)化算法的優(yōu)育子群法，該算法通過變換函數(shù)將多峰問題中的所有峰變?yōu)榈雀叻?，從而保證每個峰都有同等機會被找到；在搜索過程中，每一代微粒中剔除掉已搜到的峰值點附近的微粒，以避免重復(fù)搜索峰值點，進而減少微粒群搜索代數(shù)。實驗表明了該算法可以盡可能多的找到峰值點。 (3) 針對粒子群算法隨