粒子群算法拓撲結構的研究.pdf

1、自然界中生物體為適應環(huán)境不斷進化的自適應能力使許多在人類看來復雜的優(yōu)化問題得到了完美的解決。近年來一些建立在自然生態(tài)系統(tǒng)機制下的仿生優(yōu)化算法不斷出現(xiàn)如蟻群算法、粒子群算法、人工魚群算法等，豐富了現(xiàn)代優(yōu)化技術，也為傳統(tǒng)技術難以解決的優(yōu)化問題提供了一種全新的解決方案。工業(yè)和科學領域中的多數實際問題的復雜程度正在日益增加，出現(xiàn)了大量無法在可接受的時間內找到最優(yōu)解的問題。傳統(tǒng)的規(guī)劃技術己經無法滿足求解這類問題的需求，因此需要一種更高效更實用的優(yōu)

2、化算法。作為一種新的群體智能方法，粒子群算法是一種非常實用的優(yōu)化工具，其在處理高維以及缺乏領域知識的問題時效果明顯。粒子群算法的核心思想源于自然界中生物群體的覓食活動，算法本身具有原理簡單、收斂速度快、精度高等優(yōu)勢，自提出之后在數值優(yōu)化領域中得到了廣泛關注。
　　 本文主要對粒子群算法中的拓撲結構進行分析，拓撲結構是粒子群算法中粒子之間的連接方式，不同的連接方式對粒子群算法的收斂精度和收斂時間都會有影響。因此，在對函數進行測試時

3、，采用合理的拓撲結構會使粒子群算法得到更好的收斂結果。本文先采用基本的粒子群算法對拓撲結構進行研究，采用相同的測試函數驗證不同拓撲結構對粒子群算法的影響。之后采用改進后的粒子群算法對拓撲結構進行驗證，這種改進包括兩個方面，一方面是對粒子的數目進行調節(jié)，使粒子群算法在搜索過程的早期具有較多的選擇，即粒子具有更強的多樣性，而在算法的后期，減少粒子的數目，使算法的收斂時間更短；另一方面對粒子群算法中粒子的初值進行固定賦值，使粒子群算法中的粒子