粒子群優(yōu)化算法研究及其應用.pdf

1、西南交通大學博士研究生學位論文第1頁
　　隨著不斷發(fā)展的科學研究和越來越多的應用需求，在工程實踐領域中出現(xiàn)了很多復雜的最優(yōu)化問題。傳統(tǒng)的優(yōu)化方法在求解時往往具有很大的局限性，隨著電子計算機技術的發(fā)展與使用，采用各種智能優(yōu)化算法求解復雜優(yōu)化問題已成為研究熱點。
　　粒子群優(yōu)化(PSO)算法是一種典型的群智能優(yōu)化方法。與傳統(tǒng)的優(yōu)化方法相比，PSO算法具有結構簡單、參數(shù)較少、易于實現(xiàn)以及尋優(yōu)能力強等優(yōu)點。然而，PSO算法的理論基礎

2、還不夠完善，存在早熟收斂、易陷入局部極值等問題，并且在將其應用于工程實際問題時存在很多值得改進和提高之處。通過分析和研究PSO算法的原理，本文提出了PSO算法的控制參數(shù)選擇策略。為了提高算法的全局搜索能力和收斂速度，本文從不同角度提出了幾種改進的PSO算法，并將它們應用于建筑工程項目優(yōu)化和陣列天線綜合。本文的主要研究內(nèi)容如下：
　　在PSO算法研究方面，選擇合適的控制參數(shù)是影響PSO算法性能和效率的關鍵。在實際應用中，通常只能由設

3、計者根據(jù)經(jīng)驗選取最優(yōu)控制參數(shù)，而沒有通用的方法。為了找到選擇PSO算法控制參數(shù)的指導方法，發(fā)現(xiàn)影響算法性能的規(guī)律，本文采用測試函數(shù)對PSO算法中的主要控制參數(shù)進行了系統(tǒng)地實驗和分析，提出了控制參數(shù)取值策略。該策略能明顯改進PSO算法性能，具有一定實用價值。
　　在研究算法理論和信息共享機制的基礎上，借鑒人類社會學的分工合作、精英領導等思想，融合混沌優(yōu)化方法的特點，本文提出了改進的PSO算法。主要包括：
　　(1)基于模仿人類

4、搜索行為的隨機聚焦搜索PSO算法。該算法采用多子群和動態(tài)鄰域拓撲結構，具有可選參數(shù)少、算法簡單、計算速度快等優(yōu)點。實驗結果驗證了該算法的性能。
　　(2)基于分層并行協(xié)同策略和精英理論的分層多子群PSO算法。各層的子群分別負責不同的搜索任務，粒子的信息是按其性能的級別從高到低逐漸傳遞，更好地平衡了全局和局部搜索能力。
　　(3)基于分層多子群的混沌PSO算法。該算法對非線性遞減的慣性權重進行混沌變異，全局歷史最優(yōu)位置在更新其

5、每一維分量時，選取不同的個體作為學習對象。其混沌搜索區(qū)域半徑可自適應地調(diào)整。仿真結果表明，該算法能更好地保持種群的多樣性，有效避免早熟收斂。
　　本文將改進的分層多子群PSO算法應用于建筑工程項目綜合優(yōu)化。在工程實例仿真中，該算法能在種群規(guī)模較小的情況下，快速找到滿意的解。
　　本文還將改進的PSO算法應用于陣列天線綜合。主要包括：
　　(1)將改進的PSO算法應用于均勻間距直線陣列天線方向圖綜合中。該算法基于von

6、Neumann鄰域結構，采用分層次、多子群策略，以改善其收斂速度和優(yōu)化精度。頂層和底層的子群分別采用適合其特點的目標函數(shù)。仿真結果驗證了該算法的有效性。
　　(2)將混沌搜索和PSO算法相結合，提出了一種改進的PSO算法。該算法采用混沌序列初始化粒子的位置和速度，提高了種群的多樣性和粒子搜索的遍歷性。當種群的進化出現(xiàn)停滯時，該算法在最優(yōu)位置的鄰域內(nèi)進行混沌搜索以尋找更好的種群最優(yōu)位置，其混沌搜索范圍可自適應地調(diào)整。將該算法應用于均

7、勻間距直線陣列天線方向圖綜合中，能有效地生成多零陷并抑制旁瓣電平。
　　(3)將混沌PSO算法應用于均勻間距直線陣、非均勻間距直線陣和共形陣綜合中。進化初期，該算法采用綜合學習策略更新粒子的速度和位置。當種群陷入停滯時，采用混沌搜索對種群進行擾動。將該算法應用于陣列天線綜合中，仿真結果表明，該算法在旁瓣電平抑制、零陷位置生成、零陷深度控制和波瓣賦形等方面優(yōu)于一些已有文獻所報道的結果，具有更好的陣列天線綜合能力。
　　(4)將