粒子群優(yōu)化算法的若干改進(jìn)及應(yīng)用.pdf

1、優(yōu)化問題在工程、技術(shù)、經(jīng)濟(jì)、管理和科學(xué)研究等眾多領(lǐng)域中有重要的運(yùn)用，其問題的求解受到人們的極大關(guān)注，求解就是找到使目標(biāo)函數(shù)達(dá)到最小或最大的條件。傳統(tǒng)的常用優(yōu)化方法如牛頓法、共扼梯度法、模式搜索法、單純形法、Roesnborck法和Powell法是在問題的解域選取一個(gè)初始點(diǎn)，通過迭代找到一個(gè)極值點(diǎn)。 隨著人類對(duì)客觀世界的認(rèn)識(shí)的深入，已有的傳統(tǒng)優(yōu)化方法在處理人們所面對(duì)的復(fù)雜問題時(shí)，如高維、多極點(diǎn)、函數(shù)性質(zhì)復(fù)雜等，在解的精度，或者求解

2、所需時(shí)間等方面，其優(yōu)化的效果并不理想。因而，做出實(shí)用而又有效的優(yōu)化技術(shù)顯得非常有必要。常用的進(jìn)化方法如人工神經(jīng)網(wǎng)絡(luò)、禁忌搜索、模擬退火、遺傳算法和蟻群算法等在求解優(yōu)化問題時(shí)顯示出獨(dú)特的優(yōu)勢(shì)，它們可在合理的時(shí)間內(nèi)逼近復(fù)雜問題的最優(yōu)解。這些算法涉及神經(jīng)科學(xué)、人工智能、統(tǒng)計(jì)力學(xué)、生物進(jìn)化等概念，很多都是以一定的自然現(xiàn)象作為基礎(chǔ)構(gòu)造的算法，其中有一些稱為智能優(yōu)化算法。 十幾年前出現(xiàn)的新的優(yōu)化算法—粒子群優(yōu)化算法（PSO）逐漸成為學(xué)者關(guān)注

3、的研究方向之一。由于其原理簡(jiǎn)單、收斂速度較快，且所需領(lǐng)域知識(shí)少的特點(diǎn)，而受到學(xué)者們廣泛的關(guān)注。盡管粒子群優(yōu)化算法發(fā)展了近十年，但無論是理論還是實(shí)踐都有待成熟。 本文首先分析了研究粒子群優(yōu)化算法的重要意義，接著介紹了與PSO研究有關(guān)的幾個(gè)基礎(chǔ)問題，包括優(yōu)化的基本概念和分類方法等。隨后，從PSO算法的基本結(jié)構(gòu)、算法特點(diǎn)、改進(jìn)方法、實(shí)現(xiàn)模式及應(yīng)用等方面做了較為系統(tǒng)的研究工作。本文的主要的研究?jī)?nèi)容有如下方面： 針對(duì)現(xiàn)有PSO算法

4、容易陷于局部極值、收斂速度慢和精度差等不足之處，提出了一種簡(jiǎn)化的方法，主要是針對(duì)粒子群算法的特點(diǎn)及其公式本身的特點(diǎn)，標(biāo)準(zhǔn)的算法容易出現(xiàn)早熟收斂和全局收斂性能差等特點(diǎn)，而其他的一些改進(jìn)方法，往往是在改動(dòng)中使得算法變得更加的復(fù)雜，為避免這些問題的出現(xiàn)。利用簡(jiǎn)化的思想，針對(duì)一類函數(shù)的優(yōu)化問題完全可以簡(jiǎn)化計(jì)算，使用簡(jiǎn)化的粒子群算法，配合相應(yīng)的慣性權(quán)重，突破經(jīng)典算法中對(duì)慣性權(quán)重的取值范圍，通過仿真實(shí)驗(yàn)，說明了該改進(jìn)方法的有效性。 混沌作為

5、自然界中廣泛的一種非線性現(xiàn)象，具有隨機(jī)性，遍歷性、對(duì)初始條件的敏感性，具有穩(wěn)定性與不穩(wěn)定性，對(duì)長(zhǎng)期行為的不可預(yù)測(cè)性等特點(diǎn)，針對(duì)優(yōu)化問題特性，采用混沌系列初始化粒子的位置和速度，既不改變粒子群優(yōu)化算法初始化時(shí)所具有的隨機(jī)性本質(zhì)，又利用混沌提高了種群的多樣性和粒子搜索的遍歷性，在產(chǎn)生大量初始群體的基礎(chǔ)上，從中擇優(yōu)出初始群體。同時(shí)可以在進(jìn)化迭代進(jìn)行中，一旦算法出現(xiàn)了早熟問題，就引入混沌序列的搜索算法，可在迭代中產(chǎn)生局部最優(yōu)解的許多鄰域點(diǎn)，以此

6、幫助惰性粒子逃離局部極小點(diǎn)，從而快速搜尋到最優(yōu)解。 后面根據(jù)PSO算法存在易于陷入局部最優(yōu)，出現(xiàn)早熟收斂的問題，許多研究都集中于參數(shù)慣性權(quán)重ω的改進(jìn)上，因?yàn)棣刂荡笥欣谌炙阉鳎諗克俣瓤?，但不易得到精確的解；ω值小有利于局部搜索，能得到更為精確的解，但收斂速度慢，所以要根據(jù)粒子搜索的進(jìn)行，相應(yīng)地調(diào)整慣性權(quán)重的取值，于是提出了改進(jìn)的自適應(yīng)混沌粒子群算法。 在這些改進(jìn)的算法中，通過仿真實(shí)驗(yàn)，證明了本所提出的改進(jìn)方法的有效性