微粒群算法的改進及其應(yīng)用.pdf

1、隨著科學(xué)技術(shù)的進步，現(xiàn)代工程技術(shù)的發(fā)展越來越走向綜合化、復(fù)雜化和智能化。而在工業(yè)、社會、經(jīng)濟和管理等眾多領(lǐng)域中，人們面臨著大量的最優(yōu)化問題。對于最優(yōu)化問題的求解，目前存在很多種方法，這其中，真正有效且具有普遍適應(yīng)性的隨機全局優(yōu)化方法是人們以仿生學(xué)、人工智能學(xué)等新興的技術(shù)為基點，模擬自然界的一些自然現(xiàn)象而發(fā)展起來的一類智能優(yōu)化算法，如模擬退火方法、遺傳算法、蟻群算法等。這種新興的群體智能演化計算技術(shù)己成為越來越多學(xué)者的研究焦點。作為群體智

2、能算法的一個重要分支，近年來興起的PSO(ParticleSwarm Optimization)算法，已經(jīng)引起了控制界、計算機界等學(xué)者的廣泛關(guān)注。微粒群算法的進一步研究，將有助于許多工程領(lǐng)域諸多問題的更好解決。
　　 本文主要針對微粒群算法作了進一步的改進，并將改進算法應(yīng)用于0-1背包問題中。研究工作如下：
　　 ①基于PSO算法的基本思想，本文對PSO算法進行了詳細的論述，討論了算法的優(yōu)缺點，詳細分析了PSO算法的基本

3、原理，給出了算法設(shè)計的基本步驟及算法流程。并對PSO算法進行了行為分析和收斂性分析。
　　 ②為了進一步改進算法的性能，本文基于帶組織的微粒群優(yōu)化算法(OPSO)的基本原理，按照算法設(shè)計的基本原則，提出了一種基于帶組織的粒子群優(yōu)化算法的改進策略---SM-OPSO算法。其基本思想是不再采用組織優(yōu)勝劣汰的方法，而是以NM單純形法來改進最差組織，這樣不但不會破壞粒子的當(dāng)前結(jié)構(gòu)，而且還加快了算法的收斂速度。
　　 ③將改進的P