粒子群優(yōu)化算法及其在非線性回歸模型中的應(yīng)用研究.pdf

1、粒子群優(yōu)化算法采用實數(shù)編碼、設(shè)置參數(shù)少、收斂速度快、算法高度并行,已成為計算智能領(lǐng)域的新研究熱點,目前在函數(shù)優(yōu)化、過程控制等復(fù)雜領(lǐng)域中得到了廣泛的應(yīng)用。但是粒子群優(yōu)化算法同其它演化算法一樣,存在易于陷入局部最優(yōu)、收斂精度低等缺點。
　　 本文針對標(biāo)準(zhǔn)粒子群優(yōu)化算法易陷入局部最優(yōu)、收斂精度低的缺點,結(jié)合極值優(yōu)化算法具有波動性的典型特征,提出了嵌入極值優(yōu)化的混合粒子群優(yōu)化算法(EPSO算法)。運用Matlab7.0對15個無約束標(biāo)準(zhǔn)

2、測試問題進(jìn)行數(shù)值實驗仿真。結(jié)果表明,本文提出的混合算法能有效實現(xiàn)全局尋優(yōu),尤其是對于求解高維多峰連續(xù)優(yōu)化問題,它的優(yōu)勢更突出。
　　 接著遵循約束優(yōu)化算法=約束處理技術(shù)+進(jìn)化算法的思想框架,采用增廣Lagrange乘子法作為約束處理技術(shù),將約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題,從而將本文提出的混合算法擴展應(yīng)用于處理約束優(yōu)化問題。運用Macldb7.0對13個約束標(biāo)準(zhǔn)測試問題進(jìn)行數(shù)值實驗仿真。結(jié)果表明,本文的新方法能以較小的種群規(guī)模和