粒子群優(yōu)化算法的理論及實踐.pdf

1、優(yōu)化是人們在科學(xué)研究、工程技術(shù)和經(jīng)濟(jì)管理等諸多領(lǐng)域中經(jīng)常碰到的問題。其目的是找到使目標(biāo)函數(shù)達(dá)到最小或最大的條件。一般流行的序貫優(yōu)化方法如牛頓法、共軛梯度法、模式搜索法、單純形法、Rosenbrock法和Powell法是在問題的解域選取一個初始點,通過迭代找到一個極值點。隨著人類生存空間的擴(kuò)大以及認(rèn)識與改造世界范圍的拓寬,人類需要對客觀世界的規(guī)律有更全面深入的理解,已有許多優(yōu)化方法在處理人們所面對的復(fù)雜問題時,如高維、多極點、函數(shù)性質(zhì)復(fù)雜

2、等,在解的精度,或者求解所需時間等方面,往往很不能令人滿意。因此高效的優(yōu)化技術(shù)成為科學(xué)工作者的研究目標(biāo)之一?，F(xiàn)代優(yōu)化方法如人工神經(jīng)網(wǎng)絡(luò)、禁忌搜索、模擬退火、遺傳算法和蟻群算法等在解決問題時展現(xiàn)出強(qiáng)大潛能,它們可在合理的時間內(nèi)逼近復(fù)雜對象問題的最優(yōu)解。這些算法涉及神經(jīng)科學(xué)、人工智能、統(tǒng)計力學(xué)、生物進(jìn)化等概念,很多都是以一定的自然現(xiàn)象作為基礎(chǔ)構(gòu)造的算法,其中有一些稱為智能優(yōu)化算法。近年來,另外一種新的優(yōu)化算法——粒子群優(yōu)化算法(PSO)逐漸