求解自動配棉問題的粒子群算法研究.pdf

1、自動配棉是將具有不同參數屬性的棉批按不同比例進行混合形成配棉方案，找到滿足配棉約束條件的最佳配棉方案的過程。自動配棉問題是一個多約束條件的組合優(yōu)化問題，計算復雜度相當高，從計算理論的角度上來說屬于NP難問題。自動配棉問題的難點在于其約束條件的復雜性。如何在滿足約束條件的情況下找到最優(yōu)解是其區(qū)別與一般組合優(yōu)化問題的關鍵之處。
　　 粒子群優(yōu)化(PSO)算法是一種新型的群體智能算法，由Eberhart R.C博士和Kennedy J

2、博士于1995年提出。PSO算法來源于對鳥群捕食行為的研究，是近年來發(fā)展起來的一種新的進化算法。系統(tǒng)初始化為一組隨機解，通過迭代搜尋最優(yōu)值。目前該算法已廣泛應用于函數優(yōu)化、神經網絡訓練、數據挖掘、模糊系統(tǒng)控制以及其他的應用領域。
　　 本文首先對多約束條件下的配棉問題進行分析，建立了自動配棉問題的數學模型。然后分析了一些在組合優(yōu)化問題中常用的智能算法，包括遺傳算法、蟻群算法以及粒子群算法。闡述了這三種算法的基本原理及其特點。根據

3、自動配棉問題的特點，提出采用粒子群算法求解自動配棉問題。
　　 最后，本文研究實現了自動配棉的基本粒子群算法，并通過實驗結果分析，提出了兩種對粒子群算法的改進方案：一種是將遺傳算法與粒子群算法進行融合，另一種是采用動態(tài)參數和模擬退火思想的粒子群算法并加以實現。通過對兩者進行比較實驗得出結論：兩種算法在收斂性、運算效率、解的優(yōu)劣性等性能上都有了明顯提高，但兩者在某些方面也各有所長，具體說來，當問題規(guī)模較小的時候后者的表現相對較好，