基于動態(tài)鄰域結(jié)構(gòu)的微粒群算法研究.pdf

1、隨著計算機科學(xué)和工程技術(shù)的迅速發(fā)展,人們對高效的優(yōu)化技術(shù)和智能計算的要求日益迫切。微粒群算法作為一種新型的智能優(yōu)化算法,其思想來源于人工生命和進(jìn)化計算的基本理論。由于其原理簡單、容易實現(xiàn)、參數(shù)少、優(yōu)化效率高等特點,迅速得到國際演化計算研究領(lǐng)域的認(rèn)可,并在圖像處理、數(shù)據(jù)挖掘和結(jié)構(gòu)設(shè)計等領(lǐng)域得到廣泛應(yīng)用。然而作為一種嶄新的隨機搜索算法,微粒群算法仍然存在著早熟收斂的現(xiàn)象,尤其對于高維多極值的復(fù)雜優(yōu)化問題,這種缺陷更加突出。 在微粒群

2、算法的研究飛速發(fā)展的同時,復(fù)雜網(wǎng)絡(luò)的研究也逐漸成熟并開始滲透到眾多不同的領(lǐng)域,尤其是現(xiàn)實網(wǎng)絡(luò)中小世界效應(yīng)和無標(biāo)度特性的發(fā)現(xiàn)更激起了學(xué)術(shù)界對復(fù)雜網(wǎng)絡(luò)的研究熱潮。本文在對國內(nèi)外微粒群算法研究動態(tài)和復(fù)雜網(wǎng)絡(luò)的相關(guān)理論進(jìn)行綜述的基礎(chǔ)上,深入探討了鄰域結(jié)構(gòu)對微粒群算法收斂速度和性能的影響,并在此基礎(chǔ)上將小世界網(wǎng)絡(luò)模型和無標(biāo)度網(wǎng)絡(luò)模型分別與微粒群算法相結(jié)合,提出了基于動態(tài)鄰域結(jié)構(gòu)的微粒群算法。具體工作如下： (1) 利用小世界網(wǎng)絡(luò)模型“平均

3、最短路徑小,而聚集系數(shù)大”的特性,將固定的小世界模型引入微粒群算法,提出基于小世界鄰域模型的微粒群算法(SWN-PSO),分析了小世界鄰域結(jié)構(gòu)對算法性能的影響； (2) 將小世界網(wǎng)絡(luò)的動態(tài)生成過程引入微粒群算法,提出基于小世界模型動態(tài)演化鄰域的微粒群算法(DSWN-PSO),使群體結(jié)構(gòu)從規(guī)則網(wǎng)絡(luò)模型協(xié)同算法的搜索逐步演化為小世界模型,通過控制微粒間信息的傳播速度調(diào)整算法的搜索方式,并依據(jù)種群多樣性自適應(yīng)調(diào)整鄰域演化時機；