粒子群優(yōu)化算法在TSP中的研究及應(yīng)用.pdf

1、粒子群優(yōu)化算法(ParticleSwarmOptimization-PSO)是一種基于群體的進(jìn)化算法，算法通過(guò)微粒間的相互作用來(lái)發(fā)現(xiàn)復(fù)雜搜索空間中的最優(yōu)區(qū)域。由于粒子群算法在函數(shù)優(yōu)化等領(lǐng)域有廣闊的應(yīng)用前景，所以自算法提出以來(lái)，引起了相關(guān)領(lǐng)域眾多學(xué)者的關(guān)注和研究，成為演化計(jì)算研究的熱點(diǎn)。 PSO算法已經(jīng)被證明是一種有效的優(yōu)化方法，并且廣泛應(yīng)用于函數(shù)優(yōu)化，神經(jīng)網(wǎng)絡(luò)訓(xùn)練以及模糊系統(tǒng)控制等領(lǐng)域。目前對(duì)粒子群優(yōu)化算法的研究尚處于初期，它今

2、后的發(fā)展還有許多工作需要不斷充實(shí)提高。因此以粒子群優(yōu)化算法為主要研究對(duì)象，尋找求解實(shí)際問(wèn)題的更加有效的改進(jìn)算法是很有意義的。 如何加快粒子群算法的收斂速度和避免出現(xiàn)早熟收斂，一直是大多數(shù)研究者關(guān)注的重點(diǎn)?？朔缡焓諗康拇胧┲饕窃O(shè)法保持種群的多樣性，或引入跳出局部最優(yōu)點(diǎn)的機(jī)制。在加快收斂速度方面，主要的工作集中在如何選擇最優(yōu)的算法參數(shù)，以及從其它智能優(yōu)化算法中借鑒一些思想對(duì)PSO算法的主要模型加以修改。 旅行商問(wèn)題(Tr

3、avelingSalesmanProblem-TSP)是圖論中一個(gè)經(jīng)典的組合優(yōu)化問(wèn)題，是一個(gè)典型的NP難題，許多實(shí)際問(wèn)題都可以轉(zhuǎn)化為旅行商問(wèn)題。本文分析了粒子群優(yōu)化算法的離散化，設(shè)計(jì)了粒子群算法求解旅行商問(wèn)題的相關(guān)操作。 本文首先分析了粒子群優(yōu)化算法的原理，應(yīng)用粒子群優(yōu)化算法的步驟，以及算法中經(jīng)驗(yàn)參數(shù)的設(shè)置?？偨Y(jié)了目前PSO算法研究的成果，對(duì)比分析了目前對(duì)粒子群優(yōu)化算法的多種改進(jìn)。 其次，基于對(duì)粒子群優(yōu)化算法原理的分析，