基于生物地理學和粒子群的混合優(yōu)化算法及其應用.pdf

1、近年來，基于進化計算的智能優(yōu)化算法受到了學術界越來越廣泛的關注，原因在于智能優(yōu)化算法可以解決大量傳統(tǒng)數(shù)學方法不能解決的實際優(yōu)化問題。經(jīng)過人們的大量研究和嘗試，至今智能優(yōu)化算法已成功地應用于科學研究和生產(chǎn)實踐的諸多領域并取得了顯著的效益。隨著智能算法優(yōu)越性的逐漸顯現(xiàn)，大量啟發(fā)式進化優(yōu)化算法相繼出現(xiàn)，并且一種經(jīng)典算法的提出往往伴隨著大量基于該算法的改進算法的涌現(xiàn)，目的是提高其優(yōu)化搜索性能從而更有效地解決某一具體優(yōu)化問題。算法的改進有多種模式

2、，包括優(yōu)化算法參數(shù)，變更種群搜索策略等。然而，一種優(yōu)化算法的優(yōu)化能力畢竟是有限的，因此將不同優(yōu)化算法按照某種方式融合起來構(gòu)成混合優(yōu)化算法成了研究的熱門?；旌蟽?yōu)化算法可以結(jié)合不同優(yōu)化算法的特點，在搜索能力和優(yōu)化性能上相比單一算法具有明顯優(yōu)勢。
　　本文著眼于一種新穎的啟發(fā)式進化優(yōu)化算法：生物地理學優(yōu)化(BBO)和一種經(jīng)典的群智能優(yōu)化算法：粒子群優(yōu)化(PSO)，在充分分析兩種算法搜索機理和信息流動機制的基礎上，提出了一種融合二者優(yōu)勢的

3、混合優(yōu)化算法：BBO-PSO算法。該算法在結(jié)合BBO和PSO各自優(yōu)點的基礎上，不僅能較好地協(xié)調(diào)局部搜索和全局搜索，還能在一定程度上平衡算法“探索”和“開發(fā)”的矛盾。本文首先在經(jīng)典測試函數(shù)上對其進行了優(yōu)化性能測試，仿真結(jié)果表明，BBO-PSO具有較強的優(yōu)化搜索能力，較好的穩(wěn)定性和較高的計算效率。為探索該算法在實際問題中的應用，本文又將其應用于二維IIR數(shù)字濾波器的設計。我們首先將二維數(shù)字濾波器的設計問題轉(zhuǎn)化為一個單目標約束優(yōu)化問題并建立相