ga-pso混合规划算法研究.docxVIP

ga-pso混合规划算法研究 遗传计划（又称遗传方案，简称ep）可以通过没有完整的系统结构信息来集成系统结构预测和参数估计，这在预测、分类和系统建模等领域产生了广泛应用。该领域已引起越来越多的相关学者们的兴趣。 GP来源于遗传算法(GA),但它采用了树型结构来描述层次问题,其解的描述长度不定,而且结构复杂。如果能够将GP所描述的层次型问题转换为具有固定长度的线形结构的解,就可以利用许多成熟的GA改进算法对其进行优化。 粒子群优化算法(Particle swarm optimization algorithms,简称PSO)最早是由Kennedy和Eberhart于1995年提出的,是受到人工生命研究启发而形成的一个算法,其基本概念源于对鸟群捕食行为的研究。由于粒子群优化算法对解的“创新”加入了局部以及全局最优的启发式信息,较一般的遗传算法,PSO算法具有收敛速度快的特征,而且需要用户确定的经验性参数少,使用比较方便,是目前解决优化问题的一个研究热点。 由于PSO需要利用全局以及局部最优位置信息更新当前粒子的位置,解被描述为D维空间中的一个“点”,PSO同样需要固定长度线形结构解的描述,因此不能够直接利用PSO解决GP所描述的规划问题。 本文首先对规划(Programming)问题的描述进行了改进,利用一个固定长度线性表来描述,从而使其转变为一个一般的GA算法,即GA规划算法。接着