粒子群优化算法应用分析-机械设计及理论专业论文.docxVIP

华 华 中 科 技 大 学 硕 士 学 位 论 文 华 华 中 科 技 大 学 硕 士 学 位 论 文 I I II II 摘 要 当前，通过模拟生物群体的行为来解决计算问题已成为新的研究热点，并形成了 以群体智能为核心的理论体系。粒子群优化算法是基于群体智能理论的优化算法。该 算法利用生物群体内个体间的合作与竞争等复杂行为产生群体智能，并为工程优化问 题提供高效的解决方法。本文主要研究了粒子群优化算法在训练神经网络、约束优 化、离散组合优化中的应用，并给出了以上工程应用的前景。 首先，系统地介绍了粒子群优化算法，归纳了其发展过程中的各种改进模型，总 结了粒子群优化算法的基本应用，并概述了其在工程优化领域的应用。 其次，研究了粒子群优化算法在神经网络训练中的应用，提出了基于粒子群优化 的神经网络训练算法―SPSO。该算法在训练神经网络权值的同时优化其连接结构，删 除冗余连接，部分消除了冗余参数对神经网络性能的影响，使神经网络获得与模式分 类问题相匹配的信息处理能力。用该算法训练神经网络，应用于水质预测和分类及信 用评估，并给出了与其它常用训练算法的比较结果。 然后，研究了粒子群优化算法在电力系统分配及公差分配等约束问题中的应用。 提出了适合粒子群优化机理的约束处理策略，并通过与直接搜索算法的混合，加强了 粒子群优化算法的局部搜索能力，最后通过实例验证了该方法的有效性。该约束优化