一种新改进粒子群算法.pdf

中文摘要 摘要 Swarm 粒子群优化算法(Particle 演化计算技术．由于它具有较强的全局搜索能力，较少的参数设置，简单容易实 现，所以从一提出，就引起了许多学者的关注，并得到了迅速的发展，并被应用 到了各个领域，如函数优化、神经网络训练、模糊系统控制以及其他遗传算法的 应用领域． 模拟退火算法(Simulated Annealing，SA)源于对固体退火过程的模拟，是 完全组合优化问题的有效近似算法．它采用Metropolis接受准则，并用一组称为冷 却进度表的参数控制算法进程，使算法在多项式时间里给出一个近似最优解．它 具有跳出局部极值点的能力，能寻找到全局最优或近似最优，而与初始点的选择 无关．模拟退火算法由于其固有的密集计算特性，存在的主要问题是运行时间长 和计算内存大，而与其它算法的融合，能够从本质上减少计算时间． 本文首先简要的回顾了群集智能算法理论产生的背景．总结了三种群集智能 算法——蚁群算法、粒子群算法和人工鱼群算法的基本理论和发展现状．其次对 粒子群算法进行了详细的分析．在介绍了原始PSO算法的基本原理、数学描述、 算法参数和流程的基础上，又介绍了标准PSO算法．再次通过对十年来粒子群改 进算法的研究，提出了四种改进思路，并介绍了几个典型的改进模型．最后提出 一种新的改进算法，将模拟退火思想和变异算子引入粒子群算法之中，比较三种 不同的变异算子对函数的影响，并与标准粒子群算法和简单的模拟退火算法进行 比较，验证该算法在避免过早的陷入局部极值等方面有比较好的效果． 关键词：粒子群算法；模拟退火算法；变异算子；随机振荡 英文摘要 Anew swarm improvedparticle Optimization Abstract Particle derivedfromthe Swarm movementbehaviorof Optimization algorithm bird in1995 the and aclusterbasedonthe Eberhart,is populations，whichby Kenndy evolutionof ofits intelligentoptimizationalgorithmtechnology．Becausestrongglobal search and SOone parametersettings，simpleeasyachievement，and capability,less theconcernof hasbeen scholars，and proposed，arousedmany developedrapidly,and Was tovarious asthefunction network applied fields，such optimization，neuraltraining, control wellasother fuzzy system，as geneticalgorithmapplications． Si