引入禁忌搜索的雙種群粒子群算法及其應(yīng)用研究.pdf

1、粒子群優(yōu)化算法(ParticleSwarmoptimization，PSO)源于鳥(niǎo)群和魚(yú)群群體運(yùn)動(dòng)行為的研究，由Kennedy博士和Eberhart博士于1995年提出。粒子群優(yōu)化算法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(jiǎn)單、收斂速度較快、沒(méi)有很多參數(shù)需要調(diào)整，且不需要梯度信息。作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(wèn)題，并在實(shí)際工程中

2、表現(xiàn)出巨大的潛力，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(shí)別等多個(gè)領(lǐng)域。 本文對(duì)PSO算法的基本原理、PSO的兩種經(jīng)典模型：慣性權(quán)重模型和收縮因子模型、算法應(yīng)用等方面做了較為系統(tǒng)的論述，重點(diǎn)討論了PSO的收斂性和參數(shù)選擇。針對(duì)粒子群算法收斂速度慢、容易陷入局部最小點(diǎn)等缺點(diǎn)，以及慣性權(quán)值對(duì)粒子群不同時(shí)期搜索性能的影響，結(jié)合初始解空間的選擇對(duì)粒子群算法的影響，充分利用禁忌搜索算法短期和長(zhǎng)期記憶能力，同時(shí)考慮到各個(gè)階段粒

3、子群對(duì)探索能力和搜索能力的需求不同，提出一種引入禁忌搜索的雙種群粒子群算法TSBBPSO。將粒子群分為兩個(gè)不同的子群同時(shí)進(jìn)行，前期擁有較高慣性權(quán)值的子群的粒子數(shù)較多，方便對(duì)解空間大范圍的搜索；后期擁有線性遞減的慣性權(quán)值的子群粒子數(shù)增多，增強(qiáng)局部搜索能力。通過(guò)兩個(gè)子群在不同時(shí)期粒子數(shù)的變化，結(jié)合慣性權(quán)值的影響，使子群既擁有較好的全局尋優(yōu)能力，又具有良好的局部搜索性能。通過(guò)子群重組實(shí)現(xiàn)不同子群間的信息交流和融合。并且在算法迭代若干次后引入禁

4、忌搜索算法思想，既有效的解決了禁忌搜索算法對(duì)初始解過(guò)分依賴的缺點(diǎn)，又充分發(fā)揮了禁忌搜索算法較強(qiáng)的爬山能力的優(yōu)點(diǎn)，彌補(bǔ)了粒子群算法過(guò)早陷入局部最優(yōu)的缺點(diǎn)。同時(shí)利用禁忌搜索的長(zhǎng)期記憶能力對(duì)最優(yōu)解可能的解空間進(jìn)行鄰域搜索，這相當(dāng)于一次有目的的變異，增強(qiáng)了算法搜得全局最優(yōu)解得能力。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的算法在收斂速度和收斂精度上都有顯著提高。 為了把改進(jìn)的粒子群算法用于解決Packing問(wèn)題，首先對(duì)Packing問(wèn)題的計(jì)算復(fù)雜性問(wèn)題進(jìn)行了