粒子群優(yōu)化算法的研究和改進(jìn).pdf

1、粒子群優(yōu)化算法（PSO）由Kennedy博士和Eberhart博士于1995年提出，是一種基于種群搜索策略的自適應(yīng)隨機(jī)優(yōu)化算法。做為群智能的典型代表，PSO算法已被證明是一種有效的全局優(yōu)化方法，它可用于求解大部分的優(yōu)化問題，并在實(shí)際工程中表現(xiàn)出巨大的潛力。 但現(xiàn)階段對PSO算法的研究還不夠完善，算法核心部分的參數(shù)選擇仍然有很大爭議。目前許多對算法的改進(jìn)，在提高了算法性能的同時(shí)，也增加算法的運(yùn)算復(fù)雜度，這不適合于對算法收斂速度要求

2、較高的應(yīng)用，因此選擇粒子群優(yōu)化算法為研究對象，找到一種能夠提高算法收斂速度又不增加算法復(fù)雜度的改進(jìn)方法是很有意義的。 本文通過對算法收斂性以及算法局限性的分析，指出了可以提高算法性能的四種途徑：提高收斂速度（本文改進(jìn)所采用）、增加種群多樣性、擺脫停滯的束縛、與其它優(yōu)化算法的結(jié)合，對每種途徑都做了詳細(xì)分析，指明其優(yōu)缺點(diǎn)。隨后又指出了粒子群模型的一些容易被忽視的內(nèi)在結(jié)構(gòu)對算法性能的影響。 最后，提出了一種新的改進(jìn)算法Modi