粒子群算法在多維優(yōu)化問(wèn)題中的改進(jìn)研究.pdf

1、粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)作為一種新興的仿生類群智能算法，起源于對(duì)鳥類群體覓食行為的模擬。該算法通過(guò)群體中個(gè)體之間的信息交互來(lái)實(shí)現(xiàn)尋優(yōu)的目的。與其他群智能優(yōu)化算法相比，PSO憑借其實(shí)現(xiàn)簡(jiǎn)單，可調(diào)節(jié)參數(shù)少，收斂速度快等特點(diǎn)，受到眾多學(xué)者的關(guān)注與研究，并且被廣泛應(yīng)用于生物醫(yī)學(xué)、圖像處理、工程優(yōu)化等領(lǐng)域。盡管當(dāng)前對(duì)粒子群優(yōu)化算法的研究已經(jīng)取得了一定成果，但隨著模型覆蓋層次的不斷提高，優(yōu)化模

2、型呈現(xiàn)出越來(lái)越顯著的高維特性，致使單純的粒子群優(yōu)化算法拓展到高維優(yōu)化問(wèn)題中無(wú)法取得滿意的效果。
　　本文的研究得到了國(guó)家自然科學(xué)基金、浙江省自然科學(xué)基金及浙江理工大學(xué)研究生創(chuàng)新項(xiàng)目的資助。主要研究工作和成果如下：
　?。?）針對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化算法在處理多維、多峰值問(wèn)題時(shí)暴露出的易早熟收斂的難題，設(shè)計(jì)并提出多維度慣性權(quán)重衰減混沌化粒子群算法(Multi-Dimensional Descending Chaotic Inerti

3、a Weight based PSO，MDDCIW_PSO)。在粒子群進(jìn)化過(guò)程中，賦予每代群體中每個(gè)粒子的每一維度以不同的線性衰減混沌化慣性權(quán)重。即以縱向看，隨著迭代次數(shù)的增加，慣性權(quán)重呈現(xiàn)線性衰減變化；從橫向看，當(dāng)代的每個(gè)粒子的每一維度都在當(dāng)前衰減半徑內(nèi)呈現(xiàn)獨(dú)立的混沌變化。MDDCIW_PSO算法從縱橫兩個(gè)方向，最大可能地增強(qiáng)了粒子在搜索后期的群活性和局部搜索能力，從而盡可能地使種群避免陷入局部最優(yōu)。仿真測(cè)試結(jié)果表明MDDCIW_PS

4、O算法能夠較大幅度地提高粒子群算法的搜索精度和收斂速度。
　?。?）通過(guò)對(duì)粒子群優(yōu)化算法機(jī)理和本質(zhì)并行性的分析，采用目前被廣泛使用的島嶼模型，設(shè)計(jì)并提出一種基于島嶼模型的多子種群并行優(yōu)化算法(Multipopulation Parallel PSO based on the island model，MPPSO)。首先構(gòu)造子種群規(guī)模采樣函數(shù)對(duì)子種群的個(gè)數(shù)設(shè)定提供一定參考；其次引入K-means++聚類方法，盡可能地將所有子種群充盈