改進(jìn)的粒子群算法在停車場(chǎng)中的應(yīng)用.pdf

1、粒子群算法是模擬鳥群飛行覓食的行為,通過(guò)鳥之間的集體協(xié)作使群體達(dá)到最優(yōu)。盡管每個(gè)個(gè)體的行為準(zhǔn)則是很簡(jiǎn)單的,但組合成的整個(gè)群體的行為是非常復(fù)雜的。粒子群算法基于群體迭代,群體在解空間中追隨最優(yōu)粒子進(jìn)行搜索。其優(yōu)勢(shì)在于簡(jiǎn)單容易實(shí)現(xiàn),同時(shí)又有深刻的智能背景,既適合科學(xué)研究,又特別適合于工程應(yīng)用。
　　在研究粒子群算法的基本原理和研究現(xiàn)狀的基礎(chǔ)上,針對(duì)基本粒子群算法研究中存在的一些問(wèn)題,提出了改進(jìn)型的粒子群算法,最后將該改進(jìn)型的粒子群算法

2、應(yīng)用于停車場(chǎng)的車位尋優(yōu)過(guò)程。主要的研究工作包括以下幾個(gè)方面:
　　1、在差分進(jìn)化算法中引入了動(dòng)態(tài)比例因子,在PSO算法中引入DE算法的變異、交叉操作,重新構(gòu)造了PSO算法的粒子位置更新公式,構(gòu)造了一個(gè)新型的DE-PSO算法。
　　2、在粒子群中的粒子進(jìn)化到下一代之前,選用遺傳算法的交叉、變異算子對(duì)粒子進(jìn)一步優(yōu)化。新的算法既保證了遺傳算法強(qiáng)大的全局搜索性能,又同時(shí)融合粒子群算法的位置轉(zhuǎn)移思想。這樣,經(jīng)過(guò)改進(jìn)的算法充分利用了被遺

3、傳算法忽略了的種群的信息和個(gè)體信息,而粒子群算法又利用了遺傳算法的“優(yōu)勝劣汰”的思想,構(gòu)造了一個(gè)新型的CMPSO算法。
　　3、傳統(tǒng)的粒子群算法一般采用線性遞減的慣性權(quán)重調(diào)整策略,該調(diào)整策略往往使得粒子群算法不能反映非線性優(yōu)化搜索過(guò)程,并且因?yàn)閼T性權(quán)重的線性減小,在算法收斂的后期,粒子容易陷入“早熟”現(xiàn)象。針對(duì)這個(gè)問(wèn)題,引入差異因子,并且動(dòng)態(tài)調(diào)整PSO算法中的慣性權(quán)重。
　　4、在將粒子群算法應(yīng)用到停車場(chǎng)中的車位尋優(yōu)過(guò)程中,