粒子群優(yōu)化算法的改進(jìn)及其應(yīng)用

1、粒子群優(yōu)化算法的改進(jìn)及其應(yīng)用ImprovedParticleSwarmOptimizationAlgithmItsApplication申請人：高葦學(xué)科專業(yè):應(yīng)用數(shù)學(xué)研究方向：數(shù)學(xué)機(jī)械化及其應(yīng)用學(xué)位類別：學(xué)術(shù)學(xué)位指導(dǎo)教師：姜靜清教授論文提交日期：二○一七年六月碩士學(xué)位論文分類號ICS學(xué)校代碼10136學(xué)號201400112萬方數(shù)據(jù)摘要自從粒子群優(yōu)化算法(簡稱PSO算法)提出以來，由于其原理和運(yùn)行過程簡單易操作得到大眾的廣泛學(xué)習(xí)和應(yīng)用，其

2、主要應(yīng)用領(lǐng)域包括醫(yī)學(xué)、物流選址、路徑優(yōu)化、圖像處理、信號處理等.但是隨著問題的不斷復(fù)雜化，原始的粒子群優(yōu)化算法不能很好地解決現(xiàn)代出現(xiàn)的復(fù)雜多樣的問題.于是，出現(xiàn)了大量的改進(jìn)的算法來解決這些問題，包括參數(shù)改進(jìn)、拓?fù)浣Y(jié)構(gòu)的改進(jìn)和混合算法改進(jìn)等.本論文以粒子群優(yōu)化算法為研究對象，采用參數(shù)改進(jìn)和混合算法來提高算法的性能，主要包括：首先，針對標(biāo)準(zhǔn)的PSO算法的收斂速度慢、精度低，易陷入局部極值點(diǎn)等問題，提出兩種參數(shù)改進(jìn)算法.第一、慣性權(quán)重的改進(jìn)，