混合粒子群算法及其应用研讨.pdfVIP

摘 要 粒子群优化算法是智能优化算法的典型代表，它的特点是简单、收敛速度快，且所需领域 知识少。它可用于求解大部分的优化问题，并在经济与工程实践中表现出巨大潜力，已广泛应 用于神经网络、模糊系统控制、模式识别等多个领域。 本文介绍了粒子群优化算法的概况，针对粒子群优化算法参数的动态特性以及算法早熟收 敛、后期振荡现象等问题，提出了一些粒子群算法中惯性权重的改进策略，构造了几个性能较 好的基于粒子群优化的混合智能算法。 一、提出了两种动态惯性权重策略。一是提出指数动态改变的惯性权重，提高了粒子群算 法的收敛速度。二是利用适应度函数的变化来动态改变惯性权重，提出了一种自适应粒子群优 化算法，提高了算法的全局搜索能力和计算精度。 二、将其它优化策略融入粒子群优化算法中，构造出两种混合粒子群优化算法。一是构造了 一种将模拟退火策略融入惯性权重并且将粒子群算法和免疫算法相结合的算法，该算法有效地 避免了早熟现象的出现，并提高了全局寻优的能力；二是将对数权重和模拟退火策略融入粒子 群优化算法中，构造出混合粒子群优化算法。当算法陷入局部解时，融合模拟退火策略可使该 算法跳出局部极小，从而提高全局寻优能力。 三、提出两种求解组合优化问题的混合优化算法。针对约束优化问题，将混沌变异融合到 粒子群优化算法的搜索过程中，将惯性权重设置为零，可有效避免粒子陷入局部最优解，改善全 局搜索能力。针对旅行商问题，将模拟退火策略融合到粒子群算法中，来求解问题。仿真计算 表明，这两种算法都具有良好的计算效果。 关键词：智能计算，粒子群算法，免疫算法，混沌变异，模拟退火算法。 II Abstract As ofswarm Swarm Optimization typicalrepresentativeintelligenceoptimization,Particle in in and in Canbeusedtosolve Oso)issimpleconcept,fewparameterseasyimplementation．PSO various andshows in and optimizationproblems greatpotentialityeconomyengineeringpractice． has in other asartificialneural Now，itbeen丽delyappliedmany areas，such network，fuzzysystem controland pattemrecognition． introduces stationPSO tothe such Tllis the of paper general firstly．Andthen。aimingproblems asthe in of dynamicparameter,localconvergence，andthe$urgephenomenonanaphasePSO，several modified fortheinertia whicharcbetterthanthebasicPSOarc in0111 strategies weight presented work．Andsome ofthestructurethanParticleSwarm Basedonthebestof