基于粒子群算法的函数优化问题的研究本科毕业论文_.docVIP

本科毕业设计(论文) 院 （系）： 专 业： 班 级： 学 生： 学 号： 指导教师： 2011年  本科毕业设计(论文) 院 （系）： 专 业： 班 级： 学 生： 学 号： 指导教师： 2011年 目 录 附录1 毕业设计（论文）开题报告 附录2 西安工业大学毕业设计（论文）开题报告检查表 附录3 毕业设计（论文）中期报告 附录4 西安工业大学毕业设计（论文）工作中期检查表 附录5 西安工业大学毕业设计（论文）指导教师评分表 附录6 西安工业大学毕业设计（论文）评阅教师评分表 附录7 西安工业大学毕业设计（论文）答辩暨综合评分表  毕业设计(论文)开题报告 院（系） 专 业 班 级 姓 名 学 号 导 师 2011年日 毕业设计（论文）综述（题目背景、研究意义及国内外相关研究情况）Kennedy和Eberhart通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法，粒子群优化(Particle Swarm Optimization, PSO)算法。1995年IEEE国际神经网络学术会议发表了题为“Particle Swarm Optimization”的论文，标志着PSO算法诞生。Kennedy和Eberhart认为鸟之间存在着相互交换的信息，于是他们在仿真中增加了一些内容：每个个体能够通过一定得规则估计自身位置的适应值；每个个体都能够记住自己当前所找好的最好位置，称为“局部最优pbest”；此外还记住了群体中所有鸟中找到的最好位置，称为“全局最优gbest”。这两个最优变量使得鸟在某种程度上朝这些方向靠近。PSO算法具有很好的生物社会背景而易理解、参数少而易实现，对非线性、多峰问题均具有较强的全局搜索能力，在科学研究与工程实践中得到了广泛的关注。 研究意义： 大量的问题最终可归结为函数的优化问题，通常这些函数是非常复杂的，主要表现为规模大，维数高，非线性，非凸和不可微等特性，而且有的函数存在大量局部极小。许多传统确定性优化算法收敛速度较快，计算精度高，但对初值敏感，易陷入局部最小。而一些具有全局性的优化算法，如遗传算法，进化规划等，受限于各自的机理和单一结构，对于高维复杂函数难以实现高效优化。PSO算法通过改进或结合其他算法，对高维复杂函数可以实现高效优化。 虽然近年来PSO算法在国内外发展迅速并取得了可观的研究成果,但其理论基础仍相对薄弱，尤其是算法基本模型中的参数设置和优化问题还缺乏成熟的理论论证和研究。鉴于PSO的发展历史尚短，它在理论基础与应用推广上都还存在一些缺陷，有待解决，在以下方面仍然值得进一步研究： (1) 理论研究：虽然目前对 PSO 稳定性和收敛性的证明已取得了一些初步成果，但自诞生以来其数学基础一直不完备，特别是收敛性一直没有得到彻底解决。因此，仍需要对 PSO 的收敛性等方面进行进一步的理论研究。 (2) 控制参数自适应：虽然对PSO参数的改进策略等方面已取得了一定进展，但仍然有很大的研究空间；特别是如何通过对参数自适应调节以实现“探索” 与“开发”之间的平衡、以及“nearer is better”、假设与“nearer is worse”假设之间的智能转换，是一个令人很感兴趣的课题。 (3) 信息共享机制：基于邻域拓扑的PSO局部模型大大提高了算法全局搜索能力，充分利用或改进现有拓扑结构以及提出新的拓扑，进一步改善算法性能，是一个值得进一步研究的问题。同时，由于全局模型具有较快的收敛速度、而局部模型具有较好的全局搜索能力，对信息共享机制做进一步研究，保证算法既具有较快的收敛速度、又具有较好的全局搜索能力，也是一个很有意义的研究方向。 (4) 混合PSO：混合进化算法是进化算法领域的趋势之一，与其它进化算法或传统优化技术相结合，提出新的混合PSO算法，甚至提出基于PSO的超启发式搜索算法使算法对不同种类的问题具有尽可能好的普适性并能更好、更快、更廉地得到问题的解也是一个很有价值的研究方向。 (5) 应用研究：算法的有效性和价值必须在实际应用中才能得到充分体现。广大科学与工程领域的研究人员，在各自的专业背景下，利用 PSO 解决各种复杂系统的优化问题，进一步拓展其应用领域，是一项十分有意义的工作。本课题研究的主要内容和拟采用的研究方案、研究方法或措施.本课题研究的重点及难点，前期已开展工作 4.完成