设计论文-非线性规划问题的粒子群算法（定稿）大学论文.doc

分类号 密级 学校代码 学号 0608060124 西安科技大学 学 士 学 位 论 文 题目：非线性规划问题的粒子群算法 作者： 指导教师： 专业技术职称： 学科专业： 申请学位日期： 摘 要 优化技术是一种以数学为基础，用于求解各种组合优化问题的应用技术。最优化问题是人们在工程技术、科学研究、和经济管理等诸多领域中经常碰到的问题，它是指在满足一定的约束条件下，寻找一组参数值，使目标函数达到最大或最小。最优化问题根据其目标函数、约束条件的性质以及优化变量的取值范围可以分为许多类型，例如：根据目标函数和约束条件是否均为线性表达式，把最优化问题划分为线性规划问题和非线性规划问题。针对不同的最优化问题，提出了许多不同的优化方法，如牛顿法、共轭梯度法、Polar-Ribiere 法、拉格朗日乘子法等。这些优化算法能很好地找到问题的局部最优点，是成熟的局部优化算法。 但是随着人类生存空间的扩大以及认识与改造世界范围的拓展，人们发现由于问题的复杂性、约束性、非线性、建模困难等特点，解析性优化算法已不能满足人们的要求，需要寻找一种适合于大规模并行且具有智能特征的优化算法。现代进化类方法如人工神经网络、遗传算法、禁忌搜索法、模拟退火法和蚁群算法等在解决大规模的问题时体现出强大的潜力，它们可以在合理的时间限制内逼近优化问题的较好可行解。其中，遗传算法和蚁群算法被称为智能优化算法，其基本思想是通过模拟自然界生物的行为来构造随机优化算法。 近年来，另一种智能优化算法—粒子群算法（particle swarm optimization，简称PSO）越来越受到学者的关注。粒子群算法是美国社会心理学家JamesKennedy 和电气工程师Russell Eberhart 在1995 年共同提出的，它是受到鸟群社会行为的启发并利用了生物学家Frank Heppner 的生物群体模型而提出的。它用无质量无体积的粒子作为个体，并为每个粒子规定简单的社会行为规则，通过种群间个体协作来实现对问题最优解的搜索。由于算法收敛速度快，设置参数少，容易实现，能有效地解决复杂优化问题，在函数优化、神经网络训练、图解处理、模式识别以及一些工程领域都得到了广泛的应用。 关键字：非线性规划；粒子群算法；智能算法 ABSTRACT Optimization technology is based on mathematics and can solve various combinatorial optimization problems. Many problems possess a set of parameters to be optimized, especially in the fields of engineering technology, scientific research and economic management. Optimization is to look for a set of parameters in definite restriction with the aim of minimizing or maximizing the objective function. According to quality of objective function and restrict condition and scope of variable, optimization problem can be divided into lots of types. For example, if objective function and restrict condition are both lineal expression, this problem belongs to linear programming problem, if not, it belongs to nonlinear programming problem. Different methods have been presented to sovle different kinds of problems, such as Newtons method, conjugate gradient method, Polar-Ribieres method, Lagrange Multiplier Method etc. These method