群智能算法研究及應(yīng)用.pdf

1、實(shí)際工程問(wèn)題的復(fù)雜性、約束性、非線性和建模困難等特點(diǎn)，對(duì)優(yōu)化和計(jì)算技術(shù)提出了更高的要求，尋找新型的智能優(yōu)化方法逐漸成為一個(gè)新的研究熱點(diǎn)。群體智能，作為一種新興的智能計(jì)算技術(shù)正受到越來(lái)越多研究者的關(guān)注。 本文主要研究了群智能領(lǐng)域中兩個(gè)具有代表性的算法：粒子群優(yōu)化算法和蟻群優(yōu)化算法。通過(guò)對(duì)已有理論的研究對(duì)比，進(jìn)一步加深對(duì)兩種算法的認(rèn)識(shí)。并在研究已有基本粒子群優(yōu)化算法及其改進(jìn)形式的基礎(chǔ)上，基于基本粒子群優(yōu)化算法搜索后期，眾多微粒都擁擠

2、在歷史最優(yōu)位置周圍進(jìn)行重復(fù)性無(wú)效搜索這一現(xiàn)象，提出一種自適應(yīng)搜索區(qū)域的粒子群優(yōu)化算法。其優(yōu)化性能比基本粒子群優(yōu)化算法有明顯提高，并有效地避免了粒子群優(yōu)化算法早熟收斂的問(wèn)題。其次，在分析K-均值聚類算法原有缺陷的基礎(chǔ)上，將傳統(tǒng)的K-均值聚類算法思想融入到粒子群優(yōu)化算法中，提出了基于粒子群優(yōu)化算法的聚類算法，通過(guò)粒子群優(yōu)化算法基于種群的全局尋優(yōu)能力更好地彌補(bǔ)了聚類算法的不足。從而提高收斂速度并改善分類效果。 最后，將基于粒子群優(yōu)化算