個性化微粒群算法研究.pdf

1、微粒群算法是一種模擬鳥群飛行、魚群游動等生物群體社會行為的群體隨機優(yōu)化算法,由于它結(jié)構(gòu)簡單、運算速度較快,已廣泛應(yīng)用于許多領(lǐng)域。論文從智能體(Agent)觀點出發(fā),提出了個性化微粒群算法框架,并將其應(yīng)用于參數(shù)選擇及結(jié)構(gòu)優(yōu)化。 標準微粒群算法僅利用了微粒的記憶性,沒有考慮微粒的其它特性。這一局限使得微粒群算法與其生物學背景之間存在較大差異,從而影響了算法的計算效率。有鑒于此,論文將算法中的微粒視為具有記憶能力、通訊能力、響應(yīng)能力、

2、協(xié)作能力及自學習能力的智能體(Agent)粒子,提出了個性化微粒群算法框架。該算法在標準微粒群算法的基礎(chǔ)上,利用多智能體之間的相互競爭、相互協(xié)作,使微粒能更好地適應(yīng)周圍環(huán)境,從而更加符合算法的生物學背景。 參數(shù)選擇是微粒群算法研究的一個重要內(nèi)容,與已有的參數(shù)選擇策略不同,個性化的參數(shù)選擇策略需要充分利用各微粒的通訊、響應(yīng)、協(xié)作及自學習能力,從而導致不同微粒在同一代中參數(shù)具有不同的值。論文以各微粒對環(huán)境適應(yīng)能力的優(yōu)劣為基礎(chǔ),提出了

3、線性化的性能評價指標作為微粒的自學習能力,并根據(jù)協(xié)作能力動態(tài)調(diào)整全局搜索能力與局部搜索能力之間的比例?；谠撍枷?論文成功提出了慣性權(quán)重、認知系數(shù)及社會系數(shù)的個性化選擇策略,仿真結(jié)果表明這些策略能有效地提高算法的計算效率。 對于微粒群算法的另一個重要研究內(nèi)容一結(jié)構(gòu)優(yōu)化,論文根據(jù)較優(yōu)位置附近存在全局極值點的概率較大這一原則,初步探討了個性化的微粒群算法結(jié)構(gòu)實現(xiàn)方式。由于個性化慣性權(quán)重策略具有較高的選擇壓,容易陷入局部極值點。因此,