基于空間收縮的粒子群優(yōu)化算法及其在投資預(yù)測中的應(yīng)用.pdf

1、優(yōu)化技術(shù)是一種以數(shù)學(xué)為基礎(chǔ)，用于求解各種工程問題優(yōu)化解的應(yīng)用技術(shù)。多年來，由于其廣泛的應(yīng)用而備受矚目，并且發(fā)展迅速。隨著應(yīng)用領(lǐng)域的拓展，最優(yōu)化問題的時空復(fù)雜性使其求解非常困難，傳統(tǒng)的優(yōu)化算法已很難滿足問題需要。近年來，智能優(yōu)化算法的誕生給最優(yōu)化技術(shù)提供了新的思路和手段，并在科學(xué)研究、經(jīng)濟(jì)及工程技術(shù)問題中得到廣泛應(yīng)用和發(fā)展。粒子群優(yōu)化算法是一種新的隨機搜索群智能優(yōu)化算法。作為一種智能算法，它在復(fù)雜優(yōu)化問題求解中顯現(xiàn)了巨大潛力，成為近年來一

2、個研究的熱點。 本文簡要介紹了與PSO算法相關(guān)的優(yōu)化基礎(chǔ)知識，系統(tǒng)論述了PSO算法的基本原理、實現(xiàn)流程以及算法產(chǎn)生以來的主要研究成果，并從算法改進(jìn)和應(yīng)用方面對PSO算法進(jìn)行了深入的研究。本文的主要研究成果可歸納為： 1.根據(jù)對算法的經(jīng)驗分析，本文指出了算法容易出現(xiàn)早熟的原因，并把空間收縮的機制引入粒子群優(yōu)化算法，根據(jù)空間收縮的不同方式，提出了兩種基于空間收縮的PSO算法模型，即種群滅亡精英演化模型和淘汰不良粒子的精英演化

3、模型，闡明了算法原理及重要參數(shù)對算法性能的影響。 2.通過系列的數(shù)值實驗，給出了兩種改進(jìn)算法參數(shù)選擇的合理建議。為研究本文算法性能，在5個具有代表性的基準(zhǔn)測試函數(shù)上，進(jìn)行了與一些經(jīng)典改進(jìn)算法的對比實驗。實驗結(jié)果顯示，本文兩種算法能有效地避免早熟收斂同時可提高算法后期局部搜索能力，從而很大程度地改善算法性能。這兩種算法在高維復(fù)雜函數(shù)尋優(yōu)上表現(xiàn)了明顯的優(yōu)勢，尤其在30維Rosenbrock函數(shù)上表現(xiàn)卓越。此外，模型二算法優(yōu)化效果更好