基于隨機(jī)微粒群算法的改進(jìn)算法研究.pdf

1、微粒群算法(particle swarm optimization，簡稱PSO)模擬的是鳥群尋找棲息地的行為。該智能算法的特點(diǎn)是算法簡單、易于實(shí)現(xiàn)、收斂速度快且需要調(diào)整的參數(shù)少，自提出以來引起了諸多學(xué)者的廣泛關(guān)注。
　　 論文選取如下兩個(gè)方面的問題作為研究內(nèi)容：
　　 (1)在前人工作的基礎(chǔ)上將隨機(jī)微粒群算法和協(xié)同進(jìn)化結(jié)合在一起尋求一種更有效的算法。
　　 (2)把微粒群算法和傳統(tǒng)優(yōu)化算法（如信賴域算法、共軛梯度

2、法、最速下降法等）相結(jié)合嘗試尋找更有效的優(yōu)化算法。
　　 論文的研究內(nèi)容主要包括以下幾個(gè)部分：
　　 第一章是緒論，主要介紹了微粒群算法的歷史和現(xiàn)狀，本文的創(chuàng)新和突破，以及本文的現(xiàn)實(shí)意義。
　　 第二章在多種群協(xié)同進(jìn)化和隨機(jī)微粒群算法基礎(chǔ)上，提出了一種改進(jìn)的多種群隨機(jī)微粒群算法，將各個(gè)子種群獨(dú)立地按照隨機(jī)微粒群進(jìn)化，周期性的更新共享信息。
　　 第三章在隨機(jī)微粒群算法和函數(shù)梯度信息基礎(chǔ)上，提出了基于梯度的