粒子群優(yōu)化算法改進研究及其在碼頭調(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理而提出具有自適應(yīng)、自我繁殖和進化能力的計算方法。智能算法具有并行、簡易和魯棒性強等特點，許多學者對此類方法進行了研究和分析，同時也提出了多種改進算法?！皼]有免費午餐”的計算定理雖然指出沒有兼顧計算性能和時間復(fù)雜性的算法，但是眾多學者的研究表明現(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、文的主要研究內(nèi)容和成果如下：
　　 (1)對粒子群優(yōu)化算法的研究進行了文獻綜述，介紹了基本算法的機理、實現(xiàn)方式和問題求解流程，而后對算法的多種改進方式和策略進行了分類介紹，包括基于形式的改進、粒子狀態(tài)的控制、領(lǐng)域拓撲結(jié)構(gòu)的研究及離散版本的形式。
　　 (2)以種群的拓撲結(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型拓撲結(jié)構(gòu)的特點，提出一種動態(tài)的拓撲結(jié)構(gòu)的改進算法(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)測試比較了KPSO算法與經(jīng)典PSO的多項性能。在改進框架上，對KPSO重要參數(shù)聚類數(shù)K和種群規(guī)模N的選擇進行了組合實驗測試。
　　 (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粒子進行參數(shù)自適應(yīng)調(diào)整的算法(Adaptive PSO based on C

4、lustering withMulti-clusters and Heterogeneity，APSO-C)，并從理論上對該算法的收斂性進行了分析和證明。采用標準Benchmark測試函數(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)敏感性等方面進行了實驗比較。
　　 (4)以船舶靠泊位置最優(yōu)和在港時間最短為優(yōu)化目標，在連續(xù)泊位劃分模式下，同時考慮了泊位分配和岸橋分配問題，提出了針對船舶靠泊時泊