版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、粒子群優(yōu)化算法(ParticleSwarmoptimization,PSO)源于鳥群和魚群群體運動行為的研究,由Kennedy博士和Eberhart博士于1995年提出。粒子群優(yōu)化算法是一種基于種群搜索策略的自適應隨機算法,是進化計算領域中的一個新的分支。它的主要特點是簡單、收斂速度較快、沒有很多參數需要調整,且不需要梯度信息。作為群智能的典型代表,PSO算法已被證明是一種有效的全局優(yōu)化方法。它可用于求解大部分的優(yōu)化問題,并在實際工程中
2、表現出巨大的潛力,現已廣泛應用于函數優(yōu)化、神經網絡、模糊系統(tǒng)控制、模式識別等多個領域。 本文對PSO算法的基本原理、PSO的兩種經典模型:慣性權重模型和收縮因子模型、算法應用等方面做了較為系統(tǒng)的論述,重點討論了PSO的收斂性和參數選擇。針對粒子群算法收斂速度慢、容易陷入局部最小點等缺點,以及慣性權值對粒子群不同時期搜索性能的影響,結合初始解空間的選擇對粒子群算法的影響,充分利用禁忌搜索算法短期和長期記憶能力,同時考慮到各個階段粒
3、子群對探索能力和搜索能力的需求不同,提出一種引入禁忌搜索的雙種群粒子群算法TSBBPSO。將粒子群分為兩個不同的子群同時進行,前期擁有較高慣性權值的子群的粒子數較多,方便對解空間大范圍的搜索;后期擁有線性遞減的慣性權值的子群粒子數增多,增強局部搜索能力。通過兩個子群在不同時期粒子數的變化,結合慣性權值的影響,使子群既擁有較好的全局尋優(yōu)能力,又具有良好的局部搜索性能。通過子群重組實現不同子群間的信息交流和融合。并且在算法迭代若干次后引入禁
4、忌搜索算法思想,既有效的解決了禁忌搜索算法對初始解過分依賴的缺點,又充分發(fā)揮了禁忌搜索算法較強的爬山能力的優(yōu)點,彌補了粒子群算法過早陷入局部最優(yōu)的缺點。同時利用禁忌搜索的長期記憶能力對最優(yōu)解可能的解空間進行鄰域搜索,這相當于一次有目的的變異,增強了算法搜得全局最優(yōu)解得能力。實驗結果表明,改進的算法在收斂速度和收斂精度上都有顯著提高。 為了把改進的粒子群算法用于解決Packing問題,首先對Packing問題的計算復雜性問題進行了
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于雙種群的改進粒子群優(yōu)化算法研究.pdf
- 復合粒子群算法及其應用研究.pdf
- 粒子群算法及其工程應用研究.pdf
- 基于梯度搜索的粒子群優(yōu)化算法研究及其應用.pdf
- 粒子群算法的改進及其應用研究.pdf
- 粒子群膜算法及其應用研究.pdf
- 粒子群優(yōu)化算法及其工程應用研究.pdf
- 離散粒子群算法的改進及其應用研究.pdf
- 基于粒子群算法的聚類算法及其應用研究.pdf
- 基于粒子群優(yōu)化的雙重搜索算法研究及其應用.pdf
- 改進粒子群優(yōu)化算法及其應用研究.pdf
- 改進的粒子群優(yōu)化算法及其應用研究.pdf
- 多目標粒子群算法原理及其應用研究.pdf
- 粒子群優(yōu)化算法及其若干工程應用研究.pdf
- 粒子群優(yōu)化算法應用研究.pdf
- 混合粒子群算法應用研究.pdf
- 粒子群算法及其應用.pdf
- 動態(tài)多種群粒子群算法研究及其并行實現.pdf
- 多目標優(yōu)化的粒子群算法及其應用研究.pdf
- 自適應粒子群優(yōu)化算法及其應用研究.pdf
評論
0/150
提交評論