微粒群算法的改進與應用研究.pdf

1、微粒群算法作為一種全局優(yōu)化算法，由于其易用性和良好的性能，已經引起了越來越多的研究者的注意。目前關于微粒群算法的研究主要集中于三個方面，微粒群算法的理論分析、微粒群算法的改進研究和微粒群算法的應用。
　　本文分析了算法的運行過程，介紹了隨機因素對算法的作用，并給出了消除隨機因素來簡化算法的思路。針對算法的早熟問題，提出了一些改進方法，并進行了微粒群算法在流水作業(yè)調度問題中的應用研究，所做的主要工作如下：
　　(1)在標準微粒

2、群算法中，隨機因子保證了算法的性能，但是給算法的理論分析帶來了困難。本文分析了隨機因子在微粒群算法中的作用，給出了一種等價方法，該算法性能同標準微粒群算法近似，表明了該等價方法的正確性。為了消除隨機因素，進一步提出了一種采用啟發(fā)式策略進行維選擇的方法，該算法可以保證求解問題的能力，說明將微粒群算法確定化是可行的。
　　(2)微粒群算法中隨著進化過程種群的多樣性迅速降低，出現(xiàn)所謂的“早熟”現(xiàn)象，使算法收斂于局部最優(yōu)解。本文基于對微粒

3、群進化過程的分析，提出了兩種改進算法。一種方法是將基于微粒相似性的變異操作引入到微粒群算法中，可以增加種群的多樣性，能夠發(fā)現(xiàn)在一般的進化過程不可能找到的解，實驗表明這種方法在一些復雜的多峰函數(shù)問題上能夠取得很好的結果。另一種方法是將具有很強的全局搜索能力的微粒群算法和局部搜索能力較強的極值優(yōu)化方法結合，發(fā)揮兩者的優(yōu)點，克服“早熟”現(xiàn)象，實驗結果證明了該方法比標準的微粒群算法的性能有明顯的提高。
　　(3)流水作業(yè)調度問題(FSSP