動(dòng)態(tài)環(huán)境下改進(jìn)的粒子群算法.pdf

1、粒子群優(yōu)化算法(Particle Swarm Optimization，簡(jiǎn)稱(chēng)PSO)是由Kennedy和Eberhart于1995年提出的一種基于群智能(Swarm Intelligence)的演化計(jì)算技術(shù)。它是在鳥(niǎo)群、魚(yú)群和人類(lèi)社會(huì)行為規(guī)律的啟發(fā)下提出的。粒子群優(yōu)化算法在函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模式分類(lèi)、模糊系統(tǒng)控制以及其它工程領(lǐng)域都得到廣泛地應(yīng)用。本文綜述了粒子群算法的基本思想和提出背景--群智能計(jì)算，詳細(xì)介紹了基本粒子群算法及其各

2、種改進(jìn)算法。本文主要將粒子群算法與進(jìn)化規(guī)劃相結(jié)合，在動(dòng)態(tài)優(yōu)化環(huán)境下給出一種改進(jìn)的粒子群算法。在不同動(dòng)態(tài)優(yōu)化環(huán)境下對(duì)算法的跟蹤效果進(jìn)行了實(shí)驗(yàn)；在此基礎(chǔ)上，引入了種群熵的概念，分析了改進(jìn)的粒子群算法的種群多樣性與跟蹤效果的關(guān)系。
　　 本文重點(diǎn)包括以下兩個(gè)方面：
　　 (1)由于基本PSO方法種群多樣性損失過(guò)快，進(jìn)化過(guò)程中易于陷入局部極值，引起算法過(guò)早收斂，這就使基本PSO方法對(duì)動(dòng)態(tài)變化的極值點(diǎn)不能進(jìn)行及時(shí)有效的跟蹤。本文在

3、動(dòng)態(tài)優(yōu)化環(huán)境下給出一種改進(jìn)的粒子群算法，并在不同動(dòng)態(tài)環(huán)境下將這種方法與現(xiàn)有的幾種動(dòng)態(tài)優(yōu)化環(huán)境下的粒子群算法在跟蹤效果上進(jìn)行了對(duì)比。實(shí)驗(yàn)表明，改進(jìn)的粒子群方法有很強(qiáng)的適應(yīng)動(dòng)態(tài)優(yōu)化環(huán)境的能力，能夠?qū)?dòng)態(tài)變化的最優(yōu)點(diǎn)進(jìn)行有效的跟蹤，無(wú)論在跟蹤速度還是跟蹤精度上都比其它方法有明顯提高。
　　 (2)在動(dòng)態(tài)優(yōu)化環(huán)境下，對(duì)現(xiàn)有粒子群算法的種群多樣性進(jìn)行了分析，并對(duì)改進(jìn)的粒子群算法的種群多樣性與跟蹤效果的關(guān)系進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)表明種群中粒子運(yùn)動(dòng)