多角度改進粒子群算法及在NP問題中的應用.pdf

1、隨著科技的發(fā)展，傳統(tǒng)的優(yōu)化算法求解最優(yōu)問題存在局限性，智能優(yōu)化算法給優(yōu)化問題的求解提供了新思路。粒子群算法是模擬生物群體行為的一種隨機智能算法，與傳統(tǒng)優(yōu)化算法相比，具有流程簡單、控制參數(shù)少、易于實現(xiàn)。但粒子群算法理論體系不夠完善，存在易早熟收斂、陷入局部極值。
　　在大量閱讀和實踐的基礎上，本文主要從粒子群優(yōu)化算法的執(zhí)行流程;粒子位置更新參數(shù)，如慣性權重、學習因子;對算法采取一些策略，如反向?qū)W習、極值擾動、高斯變異、柯西變異等以及

2、粒子群與其它智能算法結合進行了深入的研究。從對粒子群的參數(shù)改進，粒子群策略的改進以及改進粒子群的應用進行了仿真實驗，與一些知名的改進算法相比，本文改進的算法具有優(yōu)勢。
　　本文的主要工作包括:
　　(1)提出了一種基于擾動的精英反向?qū)W習粒子群算法。通過加強精英粒子的引導作用，以一種非線性遞減方式改變權重來平衡粒子各階段的搜索，擾動的方式增強算法局部搜索能力。
　　(2)提出一種基于多策略協(xié)同作用的粒子群算法。通過概率閾