改進粒子群優(yōu)化算法及其在水庫優(yōu)化調(diào)度問題中的應(yīng)用.pdf

1、粒子群優(yōu)化算法是一種啟發(fā)式群智能優(yōu)化算法，其基本思想源自于對鳥群覓食行為的模擬。粒子群優(yōu)化算法適用于求解非線性、不可微的復(fù)雜優(yōu)化問題，具有原理簡單、容易實現(xiàn)、收斂速度快等優(yōu)點，并在實踐應(yīng)用中取得了很大的成功。但粒子群優(yōu)化算法也存在易早熟、局部搜索能力較差等缺點?；诖?，本文進行了以下研究： 第一，針對粒子群優(yōu)化算法易陷入局部最優(yōu)點的缺點，基于混沌思想提出了一種改進算法—混沌粒子群優(yōu)化算法。該算法將混沌搜索融入到粒子群優(yōu)化算法當(dāng)中

2、，利用混沌搜索的隨機性、遍歷性來提高算法的多樣性和全局尋優(yōu)能力，并建立了早熟收斂判斷和處理機制。當(dāng)發(fā)現(xiàn)算法有早熟跡象時，則利用混沌搜索進行局部搜索，而當(dāng)混沌搜索沒有找到更好的解時，則對種群中的部分粒子進行混沌初始化，幫助種群擺脫局部最優(yōu)點。在上述研究的基礎(chǔ)上，進一步將混沌搜索與協(xié)調(diào)粒子群優(yōu)化算法相結(jié)合，增強粒子間的信息交流。 第二，對粒子群優(yōu)化算法的尋優(yōu)機制進行了深入的研究，結(jié)合社會規(guī)律，分析了粒子群優(yōu)化算法速度計算公式的缺點，

3、并提出了一種新的速度計算公式。新的速度計算公式將原公式分解為兩個子公式：其中一個保留了全局極值點的指導(dǎo)作用，并引入了全局次極點，在增強了粒子間的信息交流的同時，通過調(diào)整學(xué)習(xí)因子，強調(diào)全局極值點的指導(dǎo)作用，提高了算法的局部尋優(yōu)能力；另一個保留了個體極值點的指導(dǎo)作用，并引入一個隨機點，增強了種群的多樣性，提高了算法的全局尋優(yōu)能力。 第三，對水庫優(yōu)化調(diào)度問題的數(shù)學(xué)模型和約束條件進行了討論，并將上述改進算法應(yīng)用于水庫優(yōu)化調(diào)度問題的求解。