運用種群多樣性動態(tài)調(diào)整機制的粒子群優(yōu)化算法研究.pdf

1、最優(yōu)化問題廣泛存在于科學研究、經(jīng)濟管理等領(lǐng)域,優(yōu)化問題存在的普遍性促使優(yōu)化技術(shù)和優(yōu)化算法不斷進步。隨著工業(yè)技術(shù)和科學研究的快速發(fā)展,現(xiàn)實的優(yōu)化問題也變得越來越復(fù)雜,研究者開始致力于提出更為高效的優(yōu)化算法。
　　粒子群算法是智能算法中一個新的技術(shù),它不僅能很好地處理復(fù)雜高維的問題,在一些領(lǐng)域知識貧乏的問題中也尤為有效。由于其原理簡單、參數(shù)便于調(diào)整等優(yōu)點,自誕生以來備受研究者的關(guān)注。粒子群優(yōu)化算法作為一種基于群體協(xié)作的智能算法,其種群

2、多樣性是一個重要研究焦點。種群的多樣性描述個體行為和群體的變化趨勢,決定了整個算法的進化活力和收斂性能。充分考慮到種群多樣性變化對算法尋優(yōu)能力的影響,本文從保持種群多樣性的角度出發(fā),展開對粒子群優(yōu)化算法的性能改進研究,論文的主要工作如下:
　　本文深入分析了社會結(jié)構(gòu)與多樣性的關(guān)系,采用多生態(tài)子群的社會結(jié)構(gòu),每個生態(tài)子群在各自的社會環(huán)境中尋求極值點,減緩粒子的聚集過程,在進化初期有效地保持了種群多樣性。
　　提出全信息學習策略

3、和差異融合策略兩種多樣性動態(tài)調(diào)整機制。全信息學習策略以全信息粒子作為粒子間的溝通橋梁,該粒子匯集了生態(tài)子群內(nèi)所有粒子的優(yōu)秀信息。在算法的進化過程中通過動態(tài)變化全信息粒子的計算參數(shù),調(diào)整粒子的聚合比例,為粒子的學習帶來更多選擇,其動態(tài)性有利于粒子運動方向的多元化發(fā)展。差異融合策略以種群變化趨勢為標識,實時監(jiān)控并調(diào)整社會結(jié)構(gòu),從而動態(tài)調(diào)整多樣性在進化過程中的變化趨勢。
　　通過經(jīng)典測試函數(shù)和物流實例驗證本文算法的性能,實驗結(jié)果表明算法