增強(qiáng)搜索能力的粒子群優(yōu)化算法研究.pdf

1、在現(xiàn)實世界中，存在諸多的最優(yōu)化問題?？砂炎顑?yōu)化問題定義為：在滿足一定約束條件的前提下，尋找一組解，來使系統(tǒng)的某些性能指標(biāo)達(dá)到要求。隨著社會的發(fā)展，人們迫切需要一些工具來求解這些優(yōu)化問題，由此便產(chǎn)生了各種優(yōu)化算法。
　　基于鳥群覓食行為而提出的粒子群優(yōu)化算法(PSO)是一種新型的優(yōu)化技術(shù)，因其簡單實用，被廣泛應(yīng)用于求解優(yōu)化問題。PSO算法在尋找優(yōu)化問題的最優(yōu)解時，不必知道問題的特征信息，只需對可行解按照一定的策略進(jìn)行迭代更新即可。P

2、SO算法求解問題時所具有的簡單高效的特性，引起了國內(nèi)外學(xué)者的廣泛關(guān)注。但在研究的過程中，發(fā)現(xiàn)PSO算法存在早熟收斂和搜索精度較低等問題。針對PSO算法存在的問題，本文提出了兩種改進(jìn)方案：
　　1)一種方案首先將粒子分為兩組，分別用于全局搜索和局部搜索，這點(diǎn)有點(diǎn)類似于多種群算法，但不同的是這兩組的粒子數(shù)會動態(tài)變化。在粒子總數(shù)不變的前提下，前期將大多數(shù)粒子用于全局搜索，而隨著迭代的進(jìn)行，粒子會慢慢轉(zhuǎn)向局部搜索。該方案為了增強(qiáng)全局搜索能

3、力，將采用全新的策略來更新全局搜索的粒子位置；為了增強(qiáng)局部搜索的能力，將小范圍變異策略引入到局部搜索的粒子中去。為了增強(qiáng)種群多樣性，這兩組粒子之間會進(jìn)行獨(dú)特的信息交換。
　　2)另一種方案是受一種常見社會現(xiàn)象的啟發(fā)而提出的。該方案以“讓優(yōu)秀粒子更優(yōu)秀，讓最差粒子努力尋優(yōu)”為核心思想，通過對種群中的最優(yōu)粒子和最差粒子采取定向變異策略來提高算法的性能。通過對比試驗驗證引入最差粒子變異的重要性。
　　通過測試函數(shù)驗證這兩種改進(jìn)方案