粒子群算法在最優(yōu)化問題中的研究.pdf

1、廣西師范大學碩士學位論文粒子群算法在最優(yōu)化問題中的研究姓名：梁軍申請學位級別：碩士專業(yè)：計算機軟件與理論指導教師：王強20080401廣西師范大學碩士學位論文II斂精度，一直是大多數(shù)研究者關注的重點。加快收斂速度的措施主要有如何選擇最優(yōu)的算法參數(shù)，以及與其它優(yōu)化算法結(jié)合來對粒子群算法的主要框架加以修正。在提高收斂精度，防止粒子早熟方面，主要有設法保持種群的多樣性，或引入跳出局部最優(yōu)點的機制等措施?，F(xiàn)已有的改進粒子群算法有模糊自適應PSO

2、算法（FAPSO），雜交PSO算法（HPSO），離散二進制PSO算法，協(xié)同PSO算法，免疫粒子群優(yōu)化算法等。本文在綜述了粒子群算法及其發(fā)展過程的基礎上，對現(xiàn)有文獻進行了研究和分析，針對連續(xù)問題和離散問題分別提出了兩種改進算法。在對連續(xù)問題的改進算法中，用一種無約束條件的隨機變異操作代替速度公式中的慣性部分，并且使鄰居最優(yōu)粒子有條件地對粒子行為產(chǎn)生影響，提高了粒子間的多樣性差異，從而改善了算法能力。本文主要以函數(shù)優(yōu)化為例，通過對Spher

3、e、Rosenbrock、Girewank等幾類經(jīng)典測試函數(shù)進行測試，來說明算法的有效性。PSO算法雖然被廣泛應用于連續(xù)問題的優(yōu)化，但在求解離散優(yōu)化問題方面還是一種全新的嘗試。本文在對離散問題的分析中，以矩形件優(yōu)化排樣具體問題為例，提出了針對離散問題的改進算法，該算法對解碼方式進行了改進，并且融合了遺傳算法中的交叉和變異思想，使其能快速地達到優(yōu)化目的。最后，通過對這兩種改進算法的分析研究，發(fā)現(xiàn)了幾種針對粒子群算法的改進策略。無論是連續(xù)問

4、題還是離散問題運用這幾種改進策略都可以得到較好的優(yōu)化。改進策略如下：?對粒子行為有條件地增加鄰居最優(yōu)粒子的影響，可以提高粒子間的多樣性差異。?增加變異操作。對每個新生成的粒子增加變異操作，使用不同的變異策略對粒子進行變異。?定義一個閥值，對粒子使用不同的更新策略進行更新?？傊?，論文對粒子群算法做了較為全面深入的分析和討論，采用了幾種改進策略，使其能有效地應用在連續(xù)問題和離散問題中。最后，論文進行了總結(jié)，并提出了進一步的研究方向。關鍵詞：