粒子群優(yōu)化算法改進(jìn)研究及其在碼頭調(diào)度中的應(yīng)用.pdf

1、智能算法是一種受自然界中的自然現(xiàn)象或者生物體自身或群體間特性的各種原理和機(jī)理而提出具有自適應(yīng)、自我繁殖和進(jìn)化能力的計(jì)算方法。智能算法具有并行、簡(jiǎn)易和魯棒性強(qiáng)等特點(diǎn)，許多學(xué)者對(duì)此類方法進(jìn)行了研究和分析，同時(shí)也提出了多種改進(jìn)算法?！皼]有免費(fèi)午餐”的計(jì)算定理雖然指出沒有兼顧計(jì)算性能和時(shí)間復(fù)雜性的算法，但是眾多學(xué)者的研究表明現(xiàn)在的算法仍然存在很大提升空間，因此如何提高智能算法性能和擴(kuò)大其應(yīng)用領(lǐng)域是現(xiàn)在優(yōu)化算法研究中的重要內(nèi)容。
　　 本

2、文的主要研究?jī)?nèi)容和成果如下：
　　 (1)對(duì)粒子群優(yōu)化算法的研究進(jìn)行了文獻(xiàn)綜述，介紹了基本算法的機(jī)理、實(shí)現(xiàn)方式和問題求解流程，而后對(duì)算法的多種改進(jìn)方式和策略進(jìn)行了分類介紹，包括基于形式的改進(jìn)、粒子狀態(tài)的控制、領(lǐng)域拓?fù)浣Y(jié)構(gòu)的研究及離散版本的形式。
　　 (2)以種群的拓?fù)浣Y(jié)構(gòu)重建為主要內(nèi)容，從增加種群多樣性和信息交流能力為目的，結(jié)合K-means聚類算法和Ring型拓?fù)浣Y(jié)構(gòu)的特點(diǎn)，提出一種動(dòng)態(tài)的拓?fù)浣Y(jié)構(gòu)的改進(jìn)算法(Base

3、d on K-means clustering method PSO，KPSO)。在粒子信息交流中，提出兩種位置和速度更新方式，并通過Benchmark函數(shù)測(cè)試比較了KPSO算法與經(jīng)典PSO的多項(xiàng)性能。在改進(jìn)框架上，對(duì)KPSO重要參數(shù)聚類數(shù)K和種群規(guī)模N的選擇進(jìn)行了組合實(shí)驗(yàn)測(cè)試。
　　 (3)在KPSO的基礎(chǔ)上，提出根據(jù)形成的各簇在種群中所處的搜索階段對(duì)粒子進(jìn)行參數(shù)自適應(yīng)調(diào)整的算法(Adaptive PSO based on C

4、lustering withMulti-clusters and Heterogeneity，APSO-C)，并從理論上對(duì)該算法的收斂性進(jìn)行了分析和證明。采用標(biāo)準(zhǔn)Benchmark測(cè)試函數(shù)，將APSO-C算法與基本PSO、KPSO在種群分布度、尋解能力、收斂性以及參數(shù)敏感性等方面進(jìn)行了實(shí)驗(yàn)比較。
　　 (4)以船舶靠泊位置最優(yōu)和在港時(shí)間最短為優(yōu)化目標(biāo)，在連續(xù)泊位劃分模式下，同時(shí)考慮了泊位分配和岸橋分配問題，提出了針對(duì)船舶靠泊時(shí)泊