微粒群優(yōu)化算法的改進(jìn)及應(yīng)用.pdf

1、最優(yōu)化問題廣泛存在于人類社會(huì)的生產(chǎn)與生活中，隨著科學(xué)技術(shù)的發(fā)展以及相關(guān)問題復(fù)雜度的提高，人們對(duì)優(yōu)化技術(shù)也提出了更高的要求。微粒群優(yōu)化算法（Particle Swarm Optimization，PSO）是一種新興的優(yōu)化工具，它來源于對(duì)生物界鳥類覓食行為的研究，屬于群智能優(yōu)化算法的范疇。PSO算法思想簡(jiǎn)單，容易實(shí)現(xiàn)，通用性強(qiáng)，自提出以來，獲得國(guó)內(nèi)外相關(guān)領(lǐng)域?qū)＜覍W(xué)者的廣泛關(guān)注，在眾多領(lǐng)域得到了很好的應(yīng)用。
　　微粒群優(yōu)化算法是一種有效

2、的優(yōu)化技術(shù)，然而無論是算法的理論基礎(chǔ)還是實(shí)際應(yīng)用都不夠成熟，仍有許多問題值得研究。本文分析了微粒群優(yōu)化算法的基本原理，重點(diǎn)研究了兩群微粒群優(yōu)化算法及量子微粒群優(yōu)化算法，在此基礎(chǔ)上，對(duì)PSO算法的改進(jìn)和應(yīng)用進(jìn)行了相關(guān)的研究，具體工作如下：
　?。?）在兩群微粒群優(yōu)化算法的基礎(chǔ)上，提出了雙群分段交換微粒群優(yōu)化算法（TSME-PSO）。算法兩分群采用不同的進(jìn)化模型更新微粒的速度和位置，群體間進(jìn)行微粒交換，整個(gè)搜索過程，不同階段交換不同數(shù)

3、目的微粒，且交換數(shù)目是逐漸減少的。相關(guān)函數(shù)測(cè)試結(jié)果表明，TSME-PSO算法優(yōu)化性能良好，尤其在高維復(fù)雜問題上表現(xiàn)更為出色。
　?。?）通過研究量子微粒群優(yōu)化算法，并結(jié)合TSME-PSO算法的交換策略，提出了雙群交換量子微粒群優(yōu)化算法（TS-QPSO）。具有量子行為特征的微粒可以以某一確定的概率出現(xiàn)在空間的任何位置，極大的拓展了搜索空間。通過合理設(shè)置交換數(shù)目和交換方式，可以有效提高種群的多樣性，改善算法的全局優(yōu)化性能。仿真實(shí)驗(yàn)結(jié)果