多策略集成粒子动态优化算法.pdfVIP

摘要 摘要 世界是运动、发展、变化的，万事万物无时无刻不处在运动之中。实际应用 孛的许多优化问题，由予环境和条件参数斡变化，瑟导致最优解不断变化。典型 的例子包括电力网络中的调度问题、城市交通的控制问题、余融市场的投资组合 问题等等。动态优化问题要求优化算法不仅能够快速找到最优解，而且能够及时 跟踪最优解的变化。传统的静态优化算法无法很好地直接应用于动态优化问题的 求解，因此，研究动态环境下的优化问题及其求解算法具有重要的学术意义和应 用价值。 本文研究基于粒子群优化算法的动态优化算法，主要工作包括以下几方面： 1)分析了动态闻题的特点，及其给优化算法带来的挑战。总结了各种基于 群体策略的优化算法在动态优化中采用的策略，并且详细分析了几个现今主要的 基于粒子群结构的动态优化算法的优缺点。 2提出了一个薪的、基于多策略集成的粒子群动态优化算法(M￡pSO)。 Il部分表示。两 在MEPSO算法中，群体被分割成两部分，分别用p撕I和part 种新的策略，高斯局部搜索和差分变异，分别被引入到这两部分中。通过典型动 部分初始化的SPSO等动态优化算法进行了比较，结果表明，本文算法麓有效求 解动态优化问题，特别是在任意变化激烈程度的单峰环境和有许许多多局部峰的 环境中有着比其它对比算法都要好的动态优化效果，此外，本文算法的参数设置 对环境变化方式具有较好熬鲁棒性。 算法进行了比较，结果表明，MEPS0算法在所有测试函数上的表现要优于CEP 算法，在大多数测试函数上的表现比FEP算法好。 关键词：动态优化静态优化多策略集成粒子群算法高斯局部搜索差分变异 Abstract AbStraCt Theworldis contimlousmeVery ofour experience changes aspect dynamic．We to orcondition lives。Duetheenvironments parameters incl谜e：壤蹲聚ehing afe母n蹦iei建natu辖。奄piealeX淞plos optimi勰io珏pfoble燃s in in tramc dyn锄ic po、Ⅳersystems，Vehiclerouting problems combinationinjEinancial so problems field，andon．Dyn锄icoptimizationproblems only 愆唾ui愆氇eo搭imiz越io鑫algofil弧s鞋ot can诧ackthe oVer static optim啪e箍ciently changing caIl beuSedtotackle not directly． optimizationalgorithms dynamicproblems to the botllinacademieal