粒子群優(yōu)化算法的改進及其應用.pdf

1、自從粒子群優(yōu)化算法(簡稱PSO算法)提出以來，由于其原理和運行過程簡單易操作得到大眾的廣泛學習和應用，其主要應用領域包括醫(yī)學、物流選址、路徑優(yōu)化、圖像處理、信號處理等。但是隨著問題的不斷復雜化，原始的粒子群優(yōu)化算法不能很好地解決現(xiàn)代出現(xiàn)的復雜多樣的問題。于是，出現(xiàn)了大量的改進的算法來解決這些問題，包括參數(shù)改進、拓撲結(jié)構(gòu)的改進和混合算法改進等。
　　本論文以粒子群優(yōu)化算法為研究對象，采用參數(shù)改進和混合算法來提高算法的性能，主要包括：

2、
　　首先，針對標準的PSO算法的收斂速度慢、精度低，易陷入局部極值點等問題，提出兩種參數(shù)改進算法.第一、慣性權(quán)重的改進，對慣性權(quán)重進行動態(tài)改進。第二、學習因子的改進，對社會學習因子和自我學習因子進行非線性改進。
　　其次，將改進學習因子的PSO算法與人工魚群算法結(jié)合，得到一個新的混合算法。將標準粒子群算法、改進的PSO算法和混合算法應用在經(jīng)典函數(shù)優(yōu)化問題中。采用Matlab編寫代碼進行數(shù)值實驗對比，實驗表明改進的PSO算法