粒子群算法及其工程應(yīng)用研究.pdf

1、粒子群優(yōu)化算法是一種基于群體智能的全局優(yōu)化技術(shù)，群體中的每一個粒子位置代表優(yōu)化問題的一個候選解，通過粒子間的交互作用發(fā)現(xiàn)復(fù)雜搜索空間中的最優(yōu)區(qū)域，具有算法簡單、收斂速度較快、全局優(yōu)化能力較強、控制參數(shù)較少等優(yōu)點。概述了粒子群算法的基本原理以及研究現(xiàn)狀，展望了粒子群算法研究的發(fā)展趨勢。
　　從工程實際出發(fā)，提出利用粒子群算法求解非線性方程組，該方法克服了牛頓迭代法在收斂性上很大程度依賴于初值的缺點。數(shù)值實驗說明此方法能求出非線性方程

2、組的高精度解。
　　根據(jù)影響系數(shù)法，給出了確定撓性轉(zhuǎn)子最優(yōu)平衡質(zhì)量的具有上界約束的極大極小約束優(yōu)化模型。應(yīng)用粒子群算法求出了撓性轉(zhuǎn)子各平衡面上的滿足上界約束條件的最優(yōu)平衡質(zhì)量。
　　根據(jù)桿長約束條件建立求解并聯(lián)機器人機構(gòu)位置正解的無約束極大極小優(yōu)化模型，并應(yīng)用粒子群算法求解此優(yōu)化問題，求出了并聯(lián)機器人機構(gòu)的全部裝配構(gòu)型。
　　基于非固定多段映射罰函數(shù)法，將求解0-1背包問題的約束優(yōu)化模型轉(zhuǎn)換為無約束優(yōu)化模型，并應(yīng)用粒子

3、群算法求解該問題。拓展了粒子群算法在離散優(yōu)化領(lǐng)域的應(yīng)用。
　　分析了粒子群算法容易收斂于局部極值的原因，并提出了評價粒子群收斂程度的有效指標——較優(yōu)子群粒子平均適應(yīng)度與最優(yōu)適應(yīng)度的差異度指標。針對基本粒子群算法及標準粒子群算法容易早熟收斂的缺點，提出一種基于新的差異度評價指標的改進粒子群算法——自適變異粒子群算法（AMPSO），將變異機制有機地融入粒子群算法。改進算法增強了粒子群優(yōu)化算法跳出局部最優(yōu)解的能力。通過對典型函數(shù)的測試結(jié)