基于Baldwin效應(yīng)粒子群優(yōu)化算法的研究.pdf

1、粒子群優(yōu)化算法是一種基于群體搜索的智能優(yōu)化算法，是一種以數(shù)學(xué)為基礎(chǔ)，應(yīng)用于求解各種組合優(yōu)化問題的新型技術(shù)。近十幾年來，粒子群算法受到越來越多學(xué)者的關(guān)注。由于算法設(shè)置參數(shù)少，實(shí)現(xiàn)簡單，能有效解決復(fù)雜問題，故在函數(shù)優(yōu)化，圖形處理，模式識別以及一些工程領(lǐng)域中得到了廣泛的應(yīng)用，并且同時產(chǎn)生了多種以粒子群優(yōu)化算法為基礎(chǔ)的變體算法。然而粒子群算法在理論和實(shí)踐上都不夠成熟，容易陷入局部極值點(diǎn)，進(jìn)化后期收斂速度慢，收斂精度差。這些問題一直是近年來該領(lǐng)域

2、內(nèi)多數(shù)專家研究的重點(diǎn)問題。
　　本文提出了一種基于Baldwin效應(yīng)的粒子群優(yōu)化算法。該算法運(yùn)用數(shù)論中佳點(diǎn)集的概念構(gòu)造初始種群，使粒子的分布更加均勻，從而提高了種群的多樣性，增加了粒子搜索到全局最優(yōu)解的概率；在算法運(yùn)行的不同階段以余弦函數(shù)自適應(yīng)地調(diào)整慣性權(quán)重系數(shù)的值，使慣性權(quán)值的變化更加符合種群搜索的動態(tài)特征，提高了搜索效率；利用Baldwin效應(yīng)使粒子在迭代過程中可以進(jìn)行信息的反饋，進(jìn)而粒子可以進(jìn)行強(qiáng)化學(xué)習(xí)，向更優(yōu)的方向搜索，從

3、而改善了搜索結(jié)果；通過在不同參數(shù)取值下的幾組實(shí)驗結(jié)果的對比，確定了強(qiáng)化學(xué)習(xí)中相應(yīng)參數(shù)的較優(yōu)取值。
　　采用幾個經(jīng)典測試函數(shù)對本文算法進(jìn)行了驗證，并與幾個粒子群變體算法的運(yùn)算結(jié)果進(jìn)行了對比，實(shí)驗結(jié)果顯示，新算法不僅具有更高的收斂速度和精度，而且有效地改善了早熟現(xiàn)象。
　　一些復(fù)雜的多值函數(shù)，多目標(biāo)函數(shù)的求解在工程應(yīng)用中一直是十分棘手的問題。由于粒子群算法的特殊性質(zhì)，使其在求解此類問題時十分具有優(yōu)勢。針對此類問題的特征，雖然已經(jīng)