粒子群优化算法在求解线性规划方程中的效率研究.pdfVIP

、l 勺 化 粒子群优化算法在求解线性规划方程中的效率研究 Researchingtheeffectivenessofparticle swarm optim ization insearching solutionforIinearprogram m ing 王娟勤，李书琴 WANG Juan—qin．LIShu—qin (西北农林科技大学 信息工程学院，杨陵7121O0) 摘 要：提出了使用粒子群优化算法求解线性规划方程的方法 ，并对粒子群优化算法设置不同的参数 求解线性规划方程 ，研究粒子群优化算法在求解线性规划方程时所表现出的效率 ，实验表 明，粒子群优化算法在求解线性规划方程时当设置参数 =2．8， ：=1．3，粒子人口数选择 4O时该算法表现出较高的效率。 关键词：粒子群优化算法；线性规划；PSO；最佳适应度 中图分类号：TP18 文献标识码：A 文章编号 Doi：10．396~l／J．issn．1009-0134．2011．3(下)．32 0 引言 1) 表示粒子 当前的位置。是待解问题或函数 线性规划 (LinearProgramming，简称 LP)是 潜在的解。如第 i个粒子的位置用 X= ，Xi， 最优化理论和应用中最基本、最成熟的部分 ，是 x …，X)来表示 。d表示待解的问题或函数有 d 辅助人们进行科学管理的一种数学方法。在求解 维 ，例如函数f(x，Y，Z)，即该函数有 3维。 LP模型时 ，常用的方法有基本单纯形方法、对偶 2) 表示粒子的飞行速率。如第 i个粒子的飞 行速率用 = ( ，vf2，v …，vd)来表示。 单纯形法 、大 M法、两阶段法等。 使用单纯形法求解线性规划 问题时，每次迭 3)Fitness(适应度)是对 的一个评价 ，是将 代都需把整个表格重新计算一遍 ，从而使计算机 得到的代到函数 中产生的值。 的存贮量和计算量增大。而使用大M法和两阶段 4)Pbest为最佳适应度。记录粒子在飞行过 程 中找到的最佳位置所产生的适应度。 法求解线性规划方程时，人为地在系数矩阵中形 成一个单位矩阵作为初始基 ，再进行单纯形法的迭 5) 用来存储粒子在前面飞行中产生Pbest的 代 ，这样也增加了计算量。 值 。 使用非线性的方法来求解经典 的线性规划问 按照 Kennedy最早的版本 ，粒子群优化算法 题是当前线性规划研究的一个热 门问题。在很 的基本步骤总结如下 ： ． 多情况下，我们并不需要知道线性规划 的精确 1)对于选定的粒子 中的每个粒子 X= ∽ X X …，Xid)，用随机的方法赋予初始值，并 解，而只需要知道其近似解 即可。因此找到一个 既能求得无限逼近于原规划最优解的近似解，同 赋予粒子初始 的飞行速率 = (v v v …， 时又能实现快速收敛的算法，是需要解决的一 V 。 2)粒子在搜索空间飞行，每步飞行速率用下 个重要 问题 。粒子群优化算法 (ParticleSwarm Optimization，简写为PSO)具有较强的搜索能力 ， 式来更新 ： 根据模型信息实