粒子群算法基本理论及其改进研究.pdf

中南大学博士论文 摘要 摘要 粒子群算法在仿真生物群体社会活动的基础上，通过模拟群体生物 相互协同寻优能力，从而构造出一种新的智能优化算法。但粒子群算法 本身来源于生物群体现象，其理论基础并不完备。而且由于其属于随机 的近似优化算法，主要应用于连续区域，因此该算法存在早熟收敛和对 离散性的问题难以应用的缺点。因此，对粒子群算法的理论分析、算法 改进及离散性问题的研究具有重要意义的。本文在前人工作的基础上对 标准粒子群算法和离散二进制粒子群算法进行分析、改进，获得以下结 果： (1)粒子群算法是一种启发式随机优化算法，每个粒子追逐自身最优 粒子和全局最优位置搜索，并且追逐时带有随机因素。粒子群算法在这 种随机搜索过程中，粒子最终会收敛于群体最优粒子。本文在增加随机 性和粒子最优点更新的条件下，理论上证明了粒子的轨迹收敛于群体最 优粒子位置。根据分析的理论结果，进一步说明了算法权重选择的原理。 (2)由于粒子轨迹最终收敛于群体最优粒子，本文定义一个粒子问的 相似度概念，设计计算群体粒子的多样性的概念公式—聚集州恿过计 算群体粒子与群体最优粒子的平均相