粒子群算法与遗传算法的比较.docxVIP

粒子群算法介绍 优化问题是工业设计中经常遇到的问题 ，许多问题最后都可以归结为优化问题?为了解 决各种各样的优化问题，人们提出了许多优化算法，比较著名的有爬山法、遗传算法等?优化问题有 两个主要问题：一是要求寻找全局最小点，二是要求有较高的收敛速度?爬山法精度较高，但是易于 陷入局部极小?遗传算法属于进化算法(Evolutionary Algorithms)的一种，它通过模 仿自然界的选择与 遗传的机理来寻找最优解 ?遗传算法有三个基本算子：选择、交叉和变异? 但是遗传算法的编程实现比较复杂，首先需要对问题进行编码，找到最优解之后还需要对问题 进行解 码，另外三个算子的实现也有许多参数，如交叉率和变异率，并且这些参数的选择严重影响解的品 质，而目前这些参数的选择大部分是依靠经验 .1995年Eberhart博士和kennedy博 士提出了一种新的算法；粒子群优化(Particle Swarm Optimization -PSO)算法.这种算法以 其实现容 易、精度高、收敛快等优点引起了学术界的重视 ，并且在解决实际问题中展示了其 优越性。 粒子群优化(Particle Swarm Optimization - PSO)算法是近年来发展起来的一种新的进化 算法 (Evoluti on ary Algorithm - EA) .PSO 算法属于进化算法的一种 ，和遗传算法相似，它也是