粒子群优化算法的理论及实践-控制理论与控制工程专业论文.docx

浙江大学博士学位论立摘要 浙江大学博士学位论立 摘要 优化是人们在科学研究、工程技术和经济管理等诸多领域中缀常碰到的问 题。其疆酶是找到健嗣标函数达瓤最小或最灾妁条辞。一般流行的净贯优证方法 如牛顿法、共轭梯魔法、模式搜索法、单纯形法、Rosenbrock法和Powell法是 在问题的螭域选取一个初始点，邂过迭代找到～个极馕点。随着人类生存空间蛉 扩大以及认识与改造键界范围的拓宽，人类需要对客蕊世界的翘律督更全面深入 的理解，已有许多优化方法在处理人们所筒对的复杂问题时，如离维、多极点、 函数性鹱复杂等，在勰的精度，或者求鳃所需时闯等方驻，往往缀不姥令人满意。 因此高效的优化技术成为科学工作者的研究目标之一。 现代优化方法如人工神经网络、禁忌搜索、模拟退火、遗传算法和蚁群算法 等在瓣次阚题时展现出强大港熊，宅们可趁念理的时间肉逼近复杂对象阚题毂簸 优解。选擅算法涉及神经科学、人工智能、统计力学、攘物进优等概念，很多都 是以一定的自然现象作为基础构造的算法，麒中有一些称为智能优化算法。近年 来，另终一静募懿後亿算法——粒子群优德簧法(PSO)逐渐成为学者关注抟磺 究方向之一。它的燕簧特点是简单、收敛涟廉较快，盥所需领域翔识少。尽管粒 子群优化算法发展近十年，但无论是理论还是实践都尚朱成熟。 本文萎走势板7磅究粒子爨偿纯算法豹霪要塞义，搂蓑奔缨7与PSO硪究 有关的几个基础问题，包括优化的基本概念和分类方1辕等。随后，从PSO算法 的基本结构、算法特点、改进方法、实现横式及应用等方面做了较为系统的研究 工作。本文靛主要磺究残暴可麴貔懿下： (1)相对于颇有成效的交际应用而害，对PSO算法的基础邀论研究尚较滞 后。为更清楚的认识其内在机理，本文将粒子群优化过程看成一个动态系统的演 变，采瘸线挂亵教孵藏系统豹疆究方法霹PSO算法豹牧敛牲作7铃轭。进一步 又导出了简化PSO算法的收敛条件，并以此条件对原始PSO和标准PSO进行定 性分析。还对特定初始条件下PSO种群中粒子的轨迹进行了仿真观察。 (2)算法参数跫影睫算法蠖簸积效率躲关键。本文归纳出了PSO算法的圭 要控制参数，通过标准测试函数，对PSO算法的参数选取迸行了较为细致的研 究，总结出了一些指导性规律。此外，还提出了一种自动选取控制参数的复合粒 子嚣侥传算法，该馨法逶耀予黠壤度要求较裹，嚣对葬重耀要求不是≤#常严格翁阉 浙江人学博I．学位论文蘧。还褥该算法痘籍到了重涵热勰模垂的参数售诗璃麓中，兹栗蠢好。 浙江人学博I．学位论文 蘧。还褥该算法痘籍到了重涵热勰模垂的参数售诗璃麓中，兹栗蠢好。 (3)为克服PSO在高维复杂问题寻优时仍有相当可能陷入局部极小的现 象，提出一种自适应粒子群优化算法。在算法进化过程中引入种群分布熵和平均 粒距掰个灏痘函数，调节算法静探溅和开笈麓力，达弼魏出届帮援枣点，获褥全 局最优的目的。种群分布熵表达种群中的粒子在搜索空fI!『J各个区问的分布情况， 平均粒鼹滚达种群中套粒子相互之间的分稚离教程度。探测是指粒予在较大空间 范囤内嵩Ⅵ开原先酌寻优轨程，缡翻薪的方翔避行攫索：拜发赠指粒子在鞍小空闽 范围内继续原先的寻优轨程进行细部搜索。采用标准测试函数和XOR神经网络 对算法测试表明，自滔应粒子群优化算法优化效率较越，稳健性强。 (4)舒对PSO葬法局部毽素麓力较嚣窝存在草熟收敛静褥联，本文提密将 模式搜索方法嵌入粒子群优化算法中，以此构建混合粒子群优化算法。此外，在 搜索过程中还加入变异操作来增加弛群多样性，以避免荦申群早熟收敛。其中，局 部援索增加了葬法的开发能力，丽变异操律提高了算法的探测能力。探溺与歼敏 的平衡则通过两个域值变量来完成。测试函数研究表明，混合粒子群优化算法局 部搜索熊力有显著掇裹，且有璺褒概率搜索到全局最优点。最后，还将这种混合 算法成功地应用到了硫化催纯袈化拐始工作条件的恍纯问题中，获得良好的缩 果。 (5)BP神经隧络是用途最广泛鲍～釉网络，毽它晦学习算法存在训练遴 度慢、翁陷入局部缀小和全蜀搜索能力弱等缺点。而PSO不要求翻标函数其商 连续性，且它的搜索县有全局性和并行性，因此构建了一个用PSO算法训练网 络投焦的迸化享串经嬲络摸型，势将这种建撰方法应用到苯己醮胺类农药的定量梅 效关系建模中，取得了满意的结果。 总之，论文对粒子群优化算法做了较为全面深入的分析和讨论，不仅提出了 多耪夺效瓣改进措藏，两且拓宽了萁应用领域。论文最蠢对所做工幸#进行了总终， 并提出了迸一步研究的方向。 关键b,7：两部接索、避仡算法、粒子群优化、收敛性分褫、建禳、参数佳计、避 化神经嗣络、混合算法、自适应、应用 lI 渐江大学博士学位论文Abatract 渐江大学博士学位论文 Abatract Many scientific，engineering