粒子群算法的改進方法研究.pdf

1、在很多實際問題中，例如經濟、管理、軍事、科學和工程設計等領域都會涉及到優(yōu)化問題，但是實際中遇到的許多科學、工程和經濟問題呈復雜化、多極化、非線性、強約束、建模困難等特點，這就使人們對科學技術提出了新的和更高的要求，其中對高效的優(yōu)化技術和智能計算的要求尤為迫切。
　　 粒子群優(yōu)化算法是源于對鳥群捕食行為的研究而發(fā)展的一種智能尋優(yōu)算法，該方法尤其適用于處理傳統(tǒng)搜索方法解決不了的復雜和非線性問題。與遺傳算法類似的粒子群算法是一種基于群

2、體的優(yōu)化工具，系統(tǒng)初始化為一組隨機解，通過迭代搜尋最優(yōu)值。但是粒子群算法并沒有遺傳算法用的交叉以及變異操作，而是粒子(潛在的解)在解的共建過程中追隨最優(yōu)的粒子進行搜索。因此，粒子群算法一經提出，就受到各國學者的關注，并形成一個研究熱點。
　　 本文在閱讀了大量有關粒子群算法的文獻的基礎上，對標準的粒子群算法研究和分析。在對前人成果的研究的基礎上，找出了粒子群算法存在的缺陷即早熟和易收斂，并針對這兩個問題提出了解決的方法。通過上述

3、的研究，提出了兩種改進的粒子群算法。
　　 第一：對粒子群的拓撲模型進行研究。提出了一種核心主子群粒子群優(yōu)化算法，并在此基礎上，提出了雙層局部模式算法，將此算法應用到核心主子群的粒子群優(yōu)化算法中。增加了粒子的多樣性。
　　 第二：對粒子群算法的速度更新公式進行改進，加入了局部最佳粒子的參考學習機制，使得粒子的參考學習因子由原來的2個增加到現(xiàn)在的3個。并將核心主子群粒子群優(yōu)化算法與公式改進的粒子群算法相融合。