基于約束優(yōu)化和動(dòng)態(tài)優(yōu)化的粒子群算法研究.pdf

1、約束優(yōu)化和動(dòng)態(tài)優(yōu)化都是優(yōu)化問(wèn)題的主要研究領(lǐng)域，并且由于實(shí)際約束優(yōu)化問(wèn)題和動(dòng)態(tài)優(yōu)化問(wèn)題非常復(fù)雜、困難，在實(shí)際應(yīng)用中也非常普遍，所以解決約束優(yōu)化和動(dòng)態(tài)優(yōu)化問(wèn)題是非常有實(shí)際意義和科研價(jià)值的課題。用基于群智能的優(yōu)化算法來(lái)求解這兩類問(wèn)題顯示出其較好的性能，取得了很好的研究成果。
　　 模擬生物界中鳥類、魚類覓食行為的粒子群優(yōu)化算法（PSO）簡(jiǎn)單有效，同時(shí)在解決單目標(biāo)優(yōu)化問(wèn)題時(shí)表現(xiàn)出來(lái)的良好特性顯示出該算法也非常適合求解約束優(yōu)化問(wèn)題和動(dòng)態(tài)優(yōu)

2、化問(wèn)題。在吸取已有成果的基礎(chǔ)上，本文著力于基于約束優(yōu)化和動(dòng)態(tài)優(yōu)化的改進(jìn)的粒子群算法的研究。本文的主要工作有：
　　 1.針對(duì)約束優(yōu)化問(wèn)題，提出了一種改進(jìn)的粒子群算法（IPSO）。IPSO采用了一種新型的變異策略，變異概率隨著算法的運(yùn)行是動(dòng)態(tài)變化的：在算法運(yùn)行初期，變異概率大，其目的是使算法不但能夠探測(cè)到目標(biāo)空間中的孤立區(qū)域，而且避免搜索陷入局部極值；在算法運(yùn)行后期，變異概率逐漸變小，以減少對(duì)粒子的擾動(dòng)；算法通過(guò)將部分具有鄰近距離

3、的粒子聚集成核形成多子群引導(dǎo)種群中粒子的飛行；采用一個(gè)簡(jiǎn)單的基于粒子與可行域邊界最遠(yuǎn)距離的罰函數(shù)處理約束的機(jī)制，使得算法高效實(shí)現(xiàn)。實(shí)驗(yàn)中，本文采用一系列標(biāo)準(zhǔn)的測(cè)試函數(shù)對(duì)其進(jìn)行測(cè)試，結(jié)果表明，IPSO能夠有效地穩(wěn)定地求解約束優(yōu)化問(wèn)題。
　　 2.針對(duì)Sphere函數(shù)構(gòu)造的動(dòng)態(tài)優(yōu)化問(wèn)題，提出了改進(jìn)的PSO算法-PSO，該算法采用隨機(jī)的慣性權(quán)重 值以及IPSO中采用的動(dòng)態(tài)變異策略，具有追蹤能力強(qiáng)的特點(diǎn)，通過(guò)線性模型、環(huán)形模型和隨機(jī)模型

4、的實(shí)驗(yàn)，結(jié)果表明采用-PSO解決此類動(dòng)態(tài)優(yōu)化問(wèn)題是十分有效的。
　　 3.針對(duì)DF1函數(shù)生成器產(chǎn)生的多峰動(dòng)態(tài)問(wèn)題，提出了動(dòng)態(tài)的改進(jìn)的PSO算法DIPSO。該算法是IPSO的動(dòng)態(tài)版本，沿用了IPSO的動(dòng)態(tài)變異策略、多子種群策略，在算法運(yùn)行的過(guò)程中分別對(duì)環(huán)境進(jìn)行參數(shù)設(shè)定型動(dòng)態(tài)變化和混沌模型動(dòng)態(tài)變化，利用多子種群分別對(duì)多個(gè)峰進(jìn)行搜索，很好地實(shí)現(xiàn)了算法的追蹤性能；對(duì)全局最優(yōu)粒子進(jìn)行實(shí)時(shí)跟蹤，利用其適應(yīng)度值的變化來(lái)發(fā)現(xiàn)環(huán)境的改變，并以此來(lái)