基于多阶段多模型微粒群算法非线性方程组解法.docVIP

基于多阶段多模型微粒群算法非线性方程组解法 　　摘要：多阶段多模型的微粒群优化算法是一种改进的微粒群优化算法，具有较强的全局搜索能力。将非线性方程或非线性方程组的求解问题转化为函数优化问题，应用多阶段多模型的微粒群优化算法求解非线性方程组的解。计算中不需要使用目标函数的导数信息和初始点的信息，数值实验结果表明了该算法的有效性和可行性。 　　关键词：微粒群优化算法；多阶段；多模型；非线性方程组；函数优化 　　 　　0引言 　　在科学技术及生产实践中，许多问题的求解最终往往是转化成求解非线性方程或非线性方程组。非线性方程或非线性方程组的求解是数值计算领域中较困难的问题，传统的解法如牛顿迭代法的收敛性和性能特征在很大程度上依赖于初始点的选择，对于许多复杂的非线性方程组，要选择一个较好的初始点是一件非常困难的事情。 　　微粒群优化算法[2、3]（Particle Swarm Optimization,PSO）是由美国社会心理学家James Kennedy和电气工程师Russell Eberhart根据鸟群觅食行为模拟，于1995年共同提出的一种新的演化计算技术。该新的优化算法具有许多特点如：实现容易、收敛性强、性能良好等。 　　多阶段多模型的微粒群优化算法[4]（MM-PSO）是一种改进的微粒群优化算法，将微粒群分多个阶段利用多种进化模型迭代进化，该改进算法具有比标准微粒群