改進(jìn)的粒子群優(yōu)化算法及應(yīng)用研究.pdf

1、粒子群優(yōu)化算法是一種基于種群搜索策略的自適應(yīng)隨機(jī)優(yōu)化算法，作為群智能的典型代表，它具有原理簡單、參數(shù)少、收斂速度較快等特點(diǎn)，已被證明是一種有效的全局優(yōu)化方法，并在實(shí)際工程中表現(xiàn)出巨大的潛力，但無論是理論分析還是實(shí)踐應(yīng)用都尚未完全成熟，還有大量的問題值得研究?，F(xiàn)階段對(duì)PSO算法的改進(jìn)，大多采用多種算法混合(如遺傳算法和粒子群算法的混合優(yōu)化)的方式，在提高了算法性能的同時(shí)，往往也增加了算法的理解復(fù)雜度和運(yùn)算復(fù)雜度，這對(duì)算法的實(shí)現(xiàn)和工程應(yīng)用是

2、不利的。因此，選擇粒子群優(yōu)化算法為研究對(duì)象，從其本身優(yōu)化運(yùn)行特性分析出發(fā)，找到一種能夠提高算法綜合性能的單一粒子群優(yōu)化改進(jìn)算法是很有意義的。本文以對(duì)粒子群算法的根本問題和粒子群行為特性分析為基礎(chǔ)，提出了一種新的粒子群優(yōu)化算法，該算法在運(yùn)行過程中根據(jù)群體適應(yīng)度方差與理想方差的比較來動(dòng)態(tài)改變確定當(dāng)前最佳粒子的慣性權(quán)值，該算法增強(qiáng)了粒子群優(yōu)化算法跳出局部最優(yōu)解的能力，能夠有效避免早熟收斂問題，同時(shí)又不引入其它算法概念，算法的理解復(fù)雜度、實(shí)現(xiàn)復(fù)

3、雜度得到有效控制。 另外，粒子群算法的應(yīng)用研究，也是該算法研究的一個(gè)重要領(lǐng)域，本文首次將粒子群優(yōu)化算法引入到高校圖書采訪決策支持系統(tǒng)的設(shè)計(jì)中。 圖書采購的質(zhì)量直接影響著館藏質(zhì)量，從而在很大程度上決定著高校圖書館的整體服務(wù)水平。近年來，圖書館圖書采購的主觀盲目性造成的資源浪費(fèi)和資金的綜合效益最大化之間的沖突日益明顯，鑒于這種情況，結(jié)合人工智能技術(shù)、計(jì)算機(jī)技術(shù)和圖書采訪理論等知識(shí)建立決策支持系統(tǒng)輔助圖書館決策就顯得十分必要。

4、采購圖書，是為了在有限資金范圍內(nèi)最大限度地滿足讀者的需要，因此，構(gòu)建高質(zhì)量的圖書采購輔助決策支持系統(tǒng)，其核心就在于設(shè)計(jì)高質(zhì)量的讀者需求分析算法和流通效用模型。本文在建立讀者直接需求、分類需求分析模型的基礎(chǔ)上，利用相似度理論建立了讀者隱式需求分析模型，然后再利用D-S證據(jù)理論將各種估計(jì)加以綜合得到最后的評(píng)價(jià)結(jié)果，得到遴選讀者需求優(yōu)先度評(píng)價(jià)模型。再運(yùn)用數(shù)學(xué)建模的方法，建立起了反映采購復(fù)本量與圖書流通效用關(guān)系的數(shù)學(xué)模型，并將改進(jìn)的粒子群優(yōu)化算