一種改進(jìn)的粒子群優(yōu)化算法.pdf

1、自上世紀(jì)80年代以來，智能優(yōu)化算法（如人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等）通過模擬或揭示某些自然現(xiàn)象和過程而發(fā)展起來，為優(yōu)化理論提供了新的思路和手段。粒子群優(yōu)化算法（PSO算法）源于鳥群和魚群群體運(yùn)動(dòng)行為的研究，是一種基于種群搜索策略的自適應(yīng)隨機(jī)算法，是進(jìn)化計(jì)算領(lǐng)域中的一個(gè)新的分支。它的主要特點(diǎn)是簡單、收斂速度較快、沒有很多參數(shù)需要調(diào)整，且不需要梯度信息，在工程實(shí)踐中表現(xiàn)出巨大潛力，現(xiàn)已廣泛應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)控制、模式識別等多個(gè)領(lǐng)

2、域。 與其他進(jìn)化算法類似，粒子群算法也需要一個(gè)群體，每個(gè)個(gè)體稱之為粒子。粒子通過自身和群體的最優(yōu)位置來更新其位移和速度，從而在解空間移動(dòng)。但是，粒子群優(yōu)化算法仍存在易陷入局部最小、且搜索精度不高等缺點(diǎn)。 本文從PSO算法的基本原理、參數(shù)選取、邊界條件、社會(huì)行為分析、混合算法及應(yīng)用、國內(nèi)外研究的現(xiàn)狀與進(jìn)展等方面做了較為系統(tǒng)的論述，對混沌理論，模擬退火算法和郭濤算法，都作了簡單介紹。通過對PSO算法細(xì)致的研究，在算法的初期，