針對函數(shù)優(yōu)化問題的粒子群優(yōu)化算法的改進研究.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。該算法的特點是簡單，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PSO的改進研究是非常有意義的。
　　 本文主要針對連續(xù)函數(shù)優(yōu)化問題進行研

2、究，提出了兩種改進PSO，并通過仿真實驗驗證。本文進行的主要研究工作和提出的創(chuàng)新點概述如下：
　　 1)提出了一種自適應(yīng)擴展的簡化PSO。該算法做了如下改進：a)采用了僅有位置項的簡化的PSO架構(gòu)，b)用所有粒子個體極值的平均值來代替速度更新方程中每個粒子的個體極值，c)采用自適應(yīng)調(diào)整加速系數(shù)策略。通過與其它算法的數(shù)值實驗對比可知，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