多目標(biāo)粒子群優(yōu)化算法的研究改進.pdf

1、作為一種典型的群智能優(yōu)化算法，粒子群優(yōu)化算法具有模型簡單、操作便捷、易與實現(xiàn)、魯棒性好等優(yōu)點，同時有著深刻的智能特征，這就為復(fù)雜問題的求解提供了一種全新的思路，吸引了大量的專家學(xué)者對其進行探究，并顯示出蓬勃的生命力。而粒子群算法本身還具有收斂速度慢、易于早熟收斂等缺點，因此對于粒子群算法的研究改進仍然是一個緊要的課題。基于此，根據(jù)待優(yōu)化問題的目標(biāo)個數(shù)不同，本文提出了一種改進的多種群粒子群算法和一種改進的多目標(biāo)粒子群算法。
　　本研

2、究主要內(nèi)容包括：⑴對粒子群算法的研究現(xiàn)狀進行了分析，列舉了粒子群算法的優(yōu)缺點，并且對粒子群的算法原理以及數(shù)學(xué)模型進行了分析。⑵為了提升初始解的質(zhì)量、提高粒子群算法的收斂速度以及增強粒子群算法跳出局部最優(yōu)解的能力，對粒子群算法進行了改進。該改進的算法將種群分成三個子群，并且對種群的初始化、早熟判斷機制、種群的開采與探測能力以及各子群之間的協(xié)同與學(xué)習(xí)進行了深入分析，并給出了相應(yīng)的改進應(yīng)用。同時，對于早熟收斂問題，改進的算法提出了一種新的粒子

3、更新策略，經(jīng)實驗證明，該改進策略能有效地使粒子跳出局部最優(yōu)。⑶將改進的多種群粒子群優(yōu)化算法應(yīng)用在陣列天線方向圖綜合的波瓣控制問題上。測試結(jié)果表明，改進算法可以有效地解決此類問題。⑷針對粒子群算法在多目標(biāo)優(yōu)化中的出現(xiàn)的精度低、收斂速度慢以及易陷入局部最優(yōu)等問題，提出了一種改進的多目標(biāo)粒子群優(yōu)化算法。首先，該算法采用均勻初始化策略初始整個種群，提高初始解的質(zhì)量；其次，和目前大多數(shù)算法維護外部檔案時直接舍棄超出檔案規(guī)模的粒子的策略不同，本算法

4、對于超出外部檔案規(guī)模的粒子進行了再利用，提升了算法獲得解的分布的多樣性；最后，為了解決粒子群算法易于陷入局部最優(yōu)的問題，改進算法建立了一個粒子信息檔案用來保存粒子的所有信息，并且根據(jù)粒子信息檔案中粒子連續(xù)幾代的更新狀況，來決定采用何種更新策略更新粒子，從而對粒子的更新做出更加高效的指導(dǎo)和優(yōu)化，提高算法解決復(fù)雜多目標(biāo)問題時的整體性能。通過將改進算法與其它經(jīng)典的算法進行比較分析可以得出，在求解多目標(biāo)的問題上，本文改進算法在整體上具有較好的性