微粒群優(yōu)化算法的改進(jìn)及其應(yīng)用.pdf

1、粒子群優(yōu)化算法是智能優(yōu)化算法的典型代表，它的特點(diǎn)是簡單、收斂速度快，所需領(lǐng)域知識(shí)少，且可用于求解大部分的優(yōu)化問題，并在經(jīng)濟(jì)與工程實(shí)踐中表現(xiàn)出巨大潛力，所以已被廣泛應(yīng)用于神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)控制、模式識(shí)別等多個(gè)領(lǐng)域。
　　 本文介紹了粒子群優(yōu)化算法的概況，針對(duì)粒子群優(yōu)化算法參數(shù)的動(dòng)態(tài)特性以及算法早熟收斂、后期振蕩現(xiàn)象等問題，提出了一些粒子群算法中慣性權(quán)重的改進(jìn)策略，構(gòu)造了幾個(gè)性能較好的基于粒子群優(yōu)化的混合智能算法。
　　 首

2、先，提出了三種動(dòng)態(tài)改變慣性權(quán)重的策略。一是利用了適應(yīng)度聚度和空間位置聚度，引入一個(gè)自適應(yīng)慣性權(quán)重，結(jié)合了速度松弛迭代策略，構(gòu)造了一種帶有速度松弛迭代策略的自適應(yīng)粒子群優(yōu)化算法；二是利用適應(yīng)值函數(shù)的變化來動(dòng)態(tài)改變慣性權(quán)重，產(chǎn)生了另外一個(gè)自適應(yīng)粒子群優(yōu)化算法；三是利用種群分布熵和粒子聚集度，構(gòu)造了一個(gè)自適應(yīng)慣性權(quán)重，由此來增強(qiáng)粒子群優(yōu)化的全局搜索能力。從典型函數(shù)的仿真試驗(yàn)數(shù)據(jù)中可以得出，這三種自適應(yīng)慣性權(quán)重的粒子群優(yōu)化算法均能有效克服帶有固

3、定權(quán)重和線性權(quán)重粒子群算法的不足，并且提高了算法的收斂速度和精度，提高了算法的全局尋優(yōu)能力。
　　 其次，將模擬退火策略嵌入粒子群優(yōu)化算法中，構(gòu)造出混合粒子群優(yōu)化算法。當(dāng)算法陷入局部解時(shí)，融合模擬退火策略可使該算法跳出局部極小，從而提高全局尋優(yōu)能力。通過典型的函數(shù)測(cè)試表明，此種混合粒子群優(yōu)化算法的性能都優(yōu)于帶線性遞減權(quán)重的基本粒子群優(yōu)化算法。
　　 第三，提出求解0-1背包問題的融合貪婪算法的混合粒子群優(yōu)化算法和提出求解