粒子群算法與工程優(yōu)化.pdf

1、粒子群優(yōu)化算法是最近十年來(lái)提出來(lái)的一種全局優(yōu)化算法，粒子群優(yōu)化算法由于簡(jiǎn)單，容易理解的特點(diǎn)，加之可以方便地在計(jì)算機(jī)上實(shí)現(xiàn)，所以目前已經(jīng)得到不同領(lǐng)域研究者的注意，其理論和應(yīng)用方面的研究都已經(jīng)取得了初步的結(jié)果。由于粒子群優(yōu)化算法提出的時(shí)間不長(zhǎng)，雖然它的形式看上去比較簡(jiǎn)單，但是一些根本性的問(wèn)題，比如算法的機(jī)理問(wèn)題，仍然沒(méi)有得到很好的理解。在應(yīng)用方面，如何將粒子群算法應(yīng)用于解決多目標(biāo)優(yōu)化問(wèn)題和約束優(yōu)化問(wèn)題，也有待進(jìn)一步的研究。本文根據(jù)粒子群優(yōu)化

2、算法的研究現(xiàn)狀，作了如下的一些工作： 1. 詳細(xì)分析了粒子群算法的內(nèi)涵，以及算法和其它方法之間的聯(lián)系和區(qū)別。詳細(xì)表述了粒子群優(yōu)化算法的基本形式，步驟和結(jié)構(gòu)。討論了參數(shù)對(duì)于算法構(gòu)造效率的影響，微粒種群的拓?fù)浣Y(jié)構(gòu)。在一些簡(jiǎn)化模型的基礎(chǔ)上，得出了微粒的運(yùn)動(dòng)軌跡，并對(duì)其的斂散性進(jìn)行了分析。 2. 通過(guò)對(duì)粒子群算法不能收斂到全局最優(yōu)和早熟現(xiàn)象產(chǎn)生原因的分析，從調(diào)整微粒種群的拓?fù)浣Y(jié)構(gòu)入手，提出了兩種不同的基于動(dòng)態(tài)拓?fù)浣Y(jié)構(gòu)的自適應(yīng)粒子

3、群優(yōu)化算法（PSO-DT）。最后將粒子群優(yōu)化算法的全局搜索能力與基于梯度尋優(yōu)的BFGS方法的局部搜索能力和快速收斂的優(yōu)點(diǎn)相結(jié)合，充分發(fā)揮了兩者的優(yōu)越性，提高了算法的收斂速度。 3. 關(guān)于多目標(biāo)優(yōu)化方面，首先介紹了多目標(biāo)優(yōu)化的概念和方法，并介紹了幾種前沿的多目標(biāo)優(yōu)化方法。最后又一次從微粒種群的拓?fù)浣Y(jié)構(gòu)入手，給出了一種基于動(dòng)態(tài)調(diào)整種群拓?fù)浣Y(jié)構(gòu)的多目標(biāo)優(yōu)化方法：基于向量評(píng)價(jià)和動(dòng)態(tài)拓?fù)浣Y(jié)構(gòu)的多目標(biāo)優(yōu)化方法（PSO-VEDT）。

4、4. 對(duì)于約束優(yōu)化問(wèn)題，首先給出了典型約束優(yōu)化問(wèn)題的概念，模型和解決方法，并介紹了幾種用于粒子群優(yōu)化算法的前沿的約束優(yōu)化處理方法。最后再一次從微粒種群的拓?fù)浣Y(jié)構(gòu)入手，給出了一種可以處理約束優(yōu)化問(wèn)題的基于動(dòng)態(tài)調(diào)整種群拓?fù)浣Y(jié)構(gòu)的粒子群優(yōu)化算法：基于動(dòng)態(tài)拓?fù)浣Y(jié)構(gòu)的粒子群算法（PSO-DTC）。 5. 在全文的最后，給出了一個(gè)有資源約束的多產(chǎn)品作業(yè)車(chē)間的優(yōu)化調(diào)度問(wèn)題。該問(wèn)題是一個(gè)典型的多目標(biāo)的約束優(yōu)化問(wèn)題。基于前三章討論的結(jié)果，給出了一