改進粒子群算法及其在機械優(yōu)化中的應(yīng)用.pdf

1、粒子群優(yōu)化算法(Particle swarm optimization，PSO)是一類新興的基于群智能搜索的隨機優(yōu)化算法。因其算法簡單、易于實現(xiàn)、所需參數(shù)較少，目前已越來越引起人們的關(guān)注，成為一個新的研究熱點。粒子群優(yōu)化算法已在函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓練、模糊控制等領(lǐng)域獲得了廣泛的應(yīng)用。但其系統(tǒng)化、規(guī)范化的理論尚不成熟，因而對算法的改進研究和在應(yīng)用領(lǐng)域的擴展具有重要的現(xiàn)實意義。
　　 本文在探討基本粒子群算法的基礎(chǔ)上，提出了灰色自關(guān)

2、聯(lián)粒子群算法，用于解決高維單模態(tài)和多模態(tài)函數(shù)優(yōu)化問題；結(jié)合動態(tài)協(xié)同機制，提出了用于解決多目標優(yōu)化問題的改進粒子群算法。分別用測試函數(shù)對所提算法進行測試，并用機械優(yōu)化實例進行驗證，結(jié)果表明，本文算法既有理論依據(jù)又有實用價值。
　　 首先，本文介紹了基本粒子群算法和標準粒子群算法的原理和模型，對其收斂性和拓撲結(jié)構(gòu)進行分析。為了克服基本粒子群算法早熟收斂的缺點，在分析各維粒子間灰關(guān)聯(lián)強弱及算法拓撲結(jié)構(gòu)影響因素的基礎(chǔ)上，將關(guān)聯(lián)度大的維上

3、粒子同時升級，以此賦予粒子新的速度更新公式，提出了一種基于灰色自關(guān)聯(lián)分析的自適應(yīng)粒子群算法。測試函數(shù)表明，本文算法能更有效率地搜尋待求問題中高質(zhì)量解。對于高維單模態(tài)函數(shù)，改進算法能有效地達到全局最優(yōu)點，且收斂速度快、穩(wěn)健性好；對于多模態(tài)函數(shù)優(yōu)化問題，所提算法也具有一定的改善效果，但后期的搜索性能還有待進一步提高。
　　 其次，對于多目標優(yōu)化問題，為了獲得分布均勻的Pareto前沿和更多的非劣解，克服粒子群算法本身的趨同性，提出了