部分智能优化算法的改进及其数学理关于分析.pdfVIP

部分智能优化算法的改进及其数学理论分析 部分智能优化算法的改进及其 数学理论分析 摘要 优化理论与算法是一个重要的数学分支，它所研究的问题是讨 论在众多的方案中什么样的方案最优以及怎样找出最优方案，计算 出最优的解。由于这类问题普遍存在，所以优化技术一直受到人们 的广泛重视，并在诸多工程领域得到迅速推广和应用。鉴于实际工 程问题的复杂性、约束性、非线性、多极小、建模困难等特点，寻 求一种适合于大规模并行且具有智能特征的算法已成为有关学科的 一个主要研究目标和弓1人注目的研究方向。而优化方法的理论研究 对改进算法性能、拓宽算法应用领域、完善算法体系同样具有重要 作用，因此，优化理论与算法的研究是一个同时具有理论意义和应 用价值的重要课题。 遗传算法、模拟退火算法、蚁群算法、人工神经网络、粒子群 算法等及其混合优化策略，通过模拟或揭示某些自然现象或过程而 得到发展，其思想和内容涉及数学、物理学、生物进化、人工智能、 神经科学和统计力学等方面，为解决复杂问题提供了新的思路和手 段。 对于规模和复杂度较大的问题，传统单一算法的优化结果往往 部分智能优化算法的改进及其数学理论分析 不够理想，其本身的缺点也制约着算法的改进，而指导性搜索方法 具有较强的通用性，无需利用问题的特殊信息。所以合理结合两者 的优点相互取长补短来构造新算法，对于实时性和优化性同样重要 的工程领域具有很强的吸引力。 本文综述了Markov链描述分析标准GA的收敛性和收敛速度的 分析研究，并借鉴此方法运用Markov链描述分析了PSO算法的收 敛性；对PSO算法进行了简化，通过对系数的研究分析了其收敛性； 研究了蚁群算法的原理，并运用动力系统进行了分析，通过仿真得 出分析与原理吻合，还研究了参数对结果的影响；借用模拟退火算 法及其数学机理，运用其高温下的强突跳性有利于避免陷入局部极 小，低温下的趋化性寻优有利于提高局部搜索能力的特点对PSO算 法进行了改进，使PSO算法不易陷入局部最优值，搜索结果更加精 确；把PSO算法的“变异”机理运用到GA的变异中，使GA的变 异更加趋于理性，通过对函数的仿真，也得到了不错的结果。 关键词：优化，算法，遗传，模拟退火，蚁群，粒子群 部分智能优化算法的改进及其数学理论分析 IMPROVE^佃jNTOFPARTIALINTELLIGENT OPTIMIZATIONALGORITHMANDANALSIS 0FITSM【ATHM忪TICALTHoERY ABSTRACT withits isan branchof theory algorithmimportant Optimization the isthe with ofwhich isconcerned mathematics，it problem project to best in andhowfindthe solution．With optimamanyprojects 02ma the ofthese of importanceoptimizationtechnique ubiquity problems，the tobe to