粒子群優(yōu)化算法研究及其在鋅電解供電調(diào)度中的應(yīng)用.pdf

1、自20世紀(jì)80年代以來(lái)，智能優(yōu)化算法(如人工神經(jīng)網(wǎng)絡(luò)、混沌優(yōu)化、遺傳算法等)通過(guò)模擬或揭示某些自然現(xiàn)象和過(guò)程而發(fā)展起來(lái)，為優(yōu)化理論提供了新的思路和手段，并在科學(xué)、經(jīng)濟(jì)以及工程領(lǐng)域得到了廣泛應(yīng)用。粒子群優(yōu)化算法(PSO)是一種基于種群搜索策略的自適應(yīng)隨機(jī)算法。作為一種新興的智能優(yōu)化算法，PSO可用于求解大部分的優(yōu)化問(wèn)題，并在工程實(shí)踐中表現(xiàn)出巨大潛力，現(xiàn)己廣泛應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、工業(yè)系統(tǒng)優(yōu)化和模糊系統(tǒng)等領(lǐng)域。 本文采用線性

2、離散時(shí)間系統(tǒng)理論對(duì)粒子群優(yōu)化算法的收斂性進(jìn)行分析，并研究了簡(jiǎn)化PSO模型的收斂條件。其次，針對(duì)粒子群優(yōu)化算法的早熟收斂問(wèn)題，本文提出了一種帶變異的自適應(yīng)粒子群算法(APSOwM)。APSOwM在進(jìn)化過(guò)程中自適應(yīng)調(diào)整算法的全局與局部的搜索能力，并且通過(guò)變異策略增強(qiáng)種群的多樣性，使算法獲得持續(xù)搜索的能力，從而提高種群跳出局部極值的幾率，有效克服早熟收斂。 鋅電解分時(shí)供電調(diào)度優(yōu)化是一個(gè)復(fù)雜的工程實(shí)際問(wèn)題。本文根據(jù)實(shí)際情況建立鋅電解分時(shí)