自适应模糊的粒子群算法的改进与控制.docVIP

自适应模糊的粒子群算法的改进与控制 摘 要：与模拟退火算法采用单个个体进行进化不同的是，遗传算法、蚁群算法与粒子群算法都是基于多个智能体的仿生优化算法，具有不确定性、概率全局优化、不依赖于优化问题本身的严格数学特性以及分布式并行等共同点。本文主要探讨自适应模糊的粒子群算法的改进与控制。 关键词：粒子群算法；自适应模糊；控制 一、基本粒子群算法的缺陷 作为一种模拟鸟类迁徙觅食过程建立起来的智能算法，粒子群算法与其他智能算法相比具有非常鲜明的特色，其特点主要表现在：①粒子群算法没有遗传算法所需要的交叉和变异运算，仅依靠通过确定粒子的方向和速度完成搜索，并且在迭代进化过程中通过当前搜索到的最优点gbest（或lbest）向其他的粒子传递信息，从而达到信息共享，这是一种单向信息共享机制，整个搜索更新过程紧跟当前最优解，因此搜索速度快，实验证明，在许多应用问题中，粒子群算法具有比遗传算法更快的收敛速度；②粒子群算法具有记忆特性，可以记忆粒子群的历史最佳位置并传递给其他粒子；③相比于其他仿生群智能算法，粒子群算法是一种原理相当简单的启发式方法，与其他仿生优化算法相比，需要的代码和参数更少；④采用实数编码，问题解的变量数直接作为粒子维数，求解过程直观。但是基本粒子群算法也存在如下缺点：①容易陷入局部最优，收敛早熟以及求解精度低；②不能有效解决离散与组合问题以及很难求解非直角坐标系下表示的实际问题