粒子群算法優(yōu)化研究及應(yīng)用.pdf

1、隨著科學(xué)技術(shù)的進(jìn)步，在理論研究和實(shí)踐中遇到的困難越來越復(fù)雜，傳統(tǒng)算法在人們可以接受的時(shí)間內(nèi)無法得到滿意解，甚至對(duì)于一些NP難問題，根本無法求解。在此背景下，群智能算法得到了人們的廣泛關(guān)注，粒子群優(yōu)化算法(Particle Swarm Optimization，簡(jiǎn)稱為PSO)，是Eberhart博士和Kennedy博士在1995年提出的一種新的群智能算法。由于其易于實(shí)現(xiàn)、精度高、快速收斂等優(yōu)點(diǎn)引起了學(xué)術(shù)界廣大研究人員的重視，并且在解決實(shí)際

2、問題中PSO也充分展示了其優(yōu)越性，對(duì)于求解NP難問題有重要意義。
　　 本文主要研究粒子群優(yōu)化算法的改進(jìn)及應(yīng)用粒子群優(yōu)化算法求解投資組合優(yōu)化和民航綜合信息平臺(tái)web服務(wù)質(zhì)量等問題。論文的主要?jiǎng)?chuàng)新性工作如下：
　　 1．對(duì)PSO算法的參數(shù)進(jìn)行系統(tǒng)研究，引入分段控制方法改進(jìn)慣性權(quán)重和加速因子。該方法能夠擴(kuò)大算法的全局尋優(yōu)能力，并有效控制算法陷入局部最優(yōu)。
　　 2．改變以往對(duì)全局最差解信息的簡(jiǎn)單丟棄，本文利用全局最差