基于確定性搜索的粒子群優(yōu)化算法的研究.pdf

1、作為一種群智能進(jìn)化算法，粒子群優(yōu)化(PSO)算法具有容易實(shí)現(xiàn)、對(duì)適應(yīng)度函數(shù)要求寬泛以及全局搜索能力較好等優(yōu)點(diǎn)，它已經(jīng)廣泛應(yīng)用在現(xiàn)代科學(xué)與工程等領(lǐng)域。
　　 但是，PSO容易因失去種群多樣性而陷入局部極優(yōu)從而降低其搜索性能。這主要是因?yàn)樽鳛橐环N隨機(jī)搜索算法，PSO中粒子的搜索方向具有一定的盲目性。然而，基于梯度信息的搜索算法不但能夠保證局部收斂，還具有很高確定性。因此，本文將基于梯度信息的搜索方法與隨機(jī)粒子群優(yōu)化結(jié)合起來(lái)提高種群的

2、搜索能力，提出了兩類混合粒子群優(yōu)化算法，這些混合算法能夠在保證有效的搜索空間的同時(shí)提高搜索速度和精度。本文主要工作如下:
　　 1)提出了一種基于最速下降搜索的調(diào)節(jié)種群多樣性的粒子群算法。該算法在進(jìn)化過(guò)程中，如果種群多樣性大于預(yù)設(shè)的閾值則按照APSO的機(jī)制進(jìn)化，否則全局最優(yōu)點(diǎn)排斥其他粒子使粒子群散開(kāi)以保持種群多樣性，并同時(shí)利用粒子的梯度信息搜索潛在的全局最優(yōu)點(diǎn)。實(shí)驗(yàn)結(jié)果表明，相對(duì)于基本PSO及其相關(guān)改進(jìn)，改進(jìn)的算法在收斂精度、收