基于分級的粒子群優(yōu)化算法研究.pdf

1、粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)是一種新穎進化計算方法,最初受啟發(fā)于鳥群和魚群特定的社會行為,是基于種群搜索策略的自適應(yīng)隨機優(yōu)化算法。粒子群優(yōu)化算法具有實現(xiàn)簡單、參數(shù)少、收斂速度快的優(yōu)點,已被證明是一種較好全局優(yōu)化算法,引起了人們廣泛的關(guān)注。但是,粒子群優(yōu)化算法還存在早熟收斂和尋優(yōu)多樣性差等缺點。
　　 為了克服粒子群優(yōu)化算法的缺點,本文對粒子群優(yōu)化算法及相關(guān)的背景知識進行了介紹,

2、并對粒子群優(yōu)化算法的理論、框架模型和信息交流機制進行了深入探討。在此基礎(chǔ)之上提出了兩種粒子群優(yōu)化算法的改進算法,進行了相關(guān)的實驗,結(jié)果證明了改進方法的有效性。本文具體工作如下:
　　 首先,對粒子群優(yōu)化算法進行了研究與分析。詳細介紹了粒子群優(yōu)化算法的原理、實現(xiàn)和發(fā)展動因。對粒子群優(yōu)化算法的信息交流模型進行了探討,分析了一些典型的粒子群拓撲結(jié)構(gòu)。此外,還介紹了一些典型的改進粒子群優(yōu)化算法,并對這些算法改進的原理和方法進行詳細分析,

3、進一步理解了粒子群優(yōu)化算法研究和發(fā)展的意義。
　　 其次,提出了一種分級的粒子群優(yōu)化算法。將分級思想引入粒子群優(yōu)化算法,按照適應(yīng)度對粒子進行分級,將粒子群分割為三個級別,分別為優(yōu)秀、普通和較差粒子群,并對不同等級的粒子進行不同方式的尋優(yōu)。通過這種分級的方法,在不同的分級中進行差別尋優(yōu),極大地保證了粒子群的多樣性,提升了粒子群優(yōu)化算法的尋優(yōu)性能。
　　 再次,在前一章分級粒子群優(yōu)化算法的基礎(chǔ)上,進一步改進提出了分級混合粒子