針對(duì)函數(shù)優(yōu)化問(wèn)題的粒子群優(yōu)化算法的改進(jìn)研究.pdf

1、粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法是智能優(yōu)化算法的代表之一。該算法的特點(diǎn)是簡(jiǎn)單，需要設(shè)置和調(diào)整的參數(shù)較少，收斂速度較快，且容易實(shí)現(xiàn)。所以它自一提出，就引起了廣泛的注意，并得到了迅速的發(fā)展。但是現(xiàn)在，對(duì)PSO的研究還不完善，而基本PSO又存在一些缺陷，如收斂精度不高，迭代后期收斂速度慢，容易陷入局部最優(yōu)。所以，對(duì)PSO的改進(jìn)研究是非常有意義的。
　　 本文主要針對(duì)連續(xù)函數(shù)優(yōu)化問(wèn)題進(jìn)行研

2、究，提出了兩種改進(jìn)PSO，并通過(guò)仿真實(shí)驗(yàn)驗(yàn)證。本文進(jìn)行的主要研究工作和提出的創(chuàng)新點(diǎn)概述如下：
　　 1)提出了一種自適應(yīng)擴(kuò)展的簡(jiǎn)化PSO。該算法做了如下改進(jìn)：a)采用了僅有位置項(xiàng)的簡(jiǎn)化的PSO架構(gòu)，b)用所有粒子個(gè)體極值的平均值來(lái)代替速度更新方程中每個(gè)粒子的個(gè)體極值，c)采用自適應(yīng)調(diào)整加速系數(shù)策略。通過(guò)與其它算法的數(shù)值實(shí)驗(yàn)對(duì)比可知，新算法能夠有效避免局部收斂現(xiàn)象，收斂精度和收斂速度也得到了較好的改善。
　　 2)提出一種