粒子群算法基本理论及其改进的研究.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似度，度量粒子群的多样性程度。 根据群体聚集度及其与群体最优粒子相似度，每个粒子随机产生变异， 由此，构造了一种对标准PSO算法的改进算法，提高算法的全局搜索能 力、避免早熟收敛，有效地提高标准PSO算法的性能。 (3)标准PSO算法的权重是平衡算法全局搜索与局部搜索能力的参 数，其取值影响算法的性能。标准PSO算法的权重采用从早期偏大到晚 期偏小的线性递减方法，但每个粒子的权重大小一样。本文根据粒子与 群体最优粒子的相似度，对不同粒子赋予不同权重，使每个粒子的权重 不同，并且随着算法迭代而动态变化，这样构造一种权重动态变化的粒 子群算法。经仿真实验验证，该方法有效。 (4)PSO算法的理论分析构造了～个数学模型，数学模型从数学角度 清楚地体现算法本身的数学含义。本文利用此数学模型代替原始PSO算 中南大学博士论文 摘要 法速度及位置的更新公式，得到一种新的进化算法，并且分析新的进化 算法参数的选择。新算法形式能直接体现PSO算法的数学思想。经仿真 试验检验，新算法效果不会差于标准PSO算法。本文将新的算法应用于 求解单交叉口信号灯的时间优化分配，实验仿真结果表明，本文的算法 在静态环境下很有效的。 (5)-进制离散PSO算法为求解二进制的离散组合优化问题而构造一 种PSO算法。本文从位改变率、速度的期望值及遗传算法模式概念等三 个方面对其进行分析。本文得N-二进制PSO算法不收敛于群体最优粒 子，其位值随着迭代运行而越来越随机。因此，二进制PSO算法缺乏局 部探测性且具有偏强的全局开拓性。本文对原始二进制PSO算法进行改 进，使其产生符合PSO算法思想(跟随群体最优粒子)的形式。将改进 的方法应用于求解0／1背包问题。通过实验对比，新改进的二进制PSO 算法提高了原始二进制PSO算法的性能。 关键宇粒子群算法，收敛性，相似度，进化计算，二进制PSO II 中南人学博士论文 ABSTRACT A。BSTRACT ParticleSwarm isan constructed Optimizationintelligencealgorithm by thesimulationof swarmsocial imitated biologic activity,whichcooperative of locationof andis as