粒子群優(yōu)化算法的改進方法研究.pdf

1、粒子群優(yōu)化算法(PSO,Particle Swarm Optimization)是自1995年正式提出以來不斷興起和壯大的一種新的優(yōu)化問題解決方案,它的概念簡單且易于實現(xiàn),用具有一定智能的粒子代表具體優(yōu)化問題中的候選解,通過隨機初始化一定規(guī)模的粒子群,并使之不斷迭代進化,利用群體和個體的信息快速尋得最優(yōu)解。這種算法具有群智能和進化計算兩大理論基礎,以其參數(shù)少設置簡單,收斂速度快等優(yōu)點倍受廣大學者親睞。目前,為了使PSO算法表現(xiàn)更為優(yōu)秀,

2、已發(fā)表了大量有關其改進算法的論文,而且這些改進算法也已成功應用于很多工程優(yōu)化問題中,并隨著改進研究的不斷深入,其應用領域還在不斷擴展,性能也得到不斷的提高。
　　 本文首先深入研究了基本PSO的理論基礎、基本原理和實現(xiàn)流程,并對算法涉及的參數(shù)進行了分析。然后通過仿真實驗對基本PSO算法的有效性及其實現(xiàn)特點進行了分析。其次,針對基本PSO存在的不足,分析了其根本因為,從粒子運動特點出發(fā),總結了算法需要改進的方面,以及基本的改進方向

3、,并通過已有的改進實例闡述了該算法改進方法實現(xiàn)及其適用范圍。再次,本文通過對基本理論和已有改進方法的分析,提出了一種基于多智能體理論的多智能粒子群優(yōu)化算法,給出了該改進算法的具體的實現(xiàn)步驟,并通過MATLAB仿真實驗驗證了改進方法的有效性,通過對優(yōu)化結果進行具體分析,指出了該改進算法的優(yōu)勢和不足。最后,總結了對于改進PSO算法做出的努力,并對PSO及其新的改進方法中存在的不足提出了進一步的研究計劃。實驗證明改進PSO即MAPSO,對高維