章粒子群算法在函数优化问题中的应用 毕业论文

《章粒子群算法在函数优化问题中的应用 毕业论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、目录第1章概述11.1课题研究的目的及意义11.2国内外对粒子群算法（PSO）研究现状与发展趋势11.3本课题所要研究的主要内容51.4本文的研究方案51.5本章小结6第2章粒子群优化算法72.1引言72.2粒子群优化算法的统一框架72.3粒子群优化算法的设计步骤82.4粒子群优化算法描述92.5粒子群算法的改进122.6本章小结16第3章粒子群算法在函数优化问题中的应用173.1前言173.2常用测试函数173.3常用测试函数的介绍173.4基本粒子群算法在函数优化问题中的实验结果与分析183.5参数改进的粒子群算法在函数优化问题中的实验结果与分析203.6本

2、章小结24结论25参考文献26致谢29附录130附录232附录33341第1章概述1.1课题研究的目的及意义近年来，受自然隐喻的启发，人们提出了各种各样的计算智能方法，如人工神经网络、遗传算法(GeneticAlgorithm，GA)、蚁群优化算法(AntColonyOptimization，ACO)、粒子群优化算法(ParticleSwarmOptimization，PSO)和人工免疫系统等等，它们被广泛应用于各种NP-困难的优化问题的求解，虽然不能保证获取最优解，但在问题规模较大时也能在可行时间内找到问题的满意解。粒子群优化(ParticleSwarmOpt

3、imization，PSO)算法是一种新兴的优化技术，其思想来源于人工生命和进化计算理论。PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化。为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度，提出了对PSO算法进行改进。对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数，并对PSO算法求解多目标优化问题进行了研究。仿真实验表明了改进的PSO算法求解最优化问题时的有效性。以函数的优化问题为例，提出了一种改进的粒子群优化算法，根据优化问题及连续量的特点，对粒子的位置速度等量及其运算规则进行了研究，为

4、抑制早熟停滞现象,算法中使用高效的学习算子来提高算法的局部求精能力，使算法在空间探索和局部求精间取得了很好的平衡，与领域中的基本算法进行仿真比较，改进粒子群优化算法要求具有很好的性能，可以达到较优化的结果。1.2国内外对粒子群算法（PSO）研究现状与发展趋势粒子群优化（ParticleSwarmOptimization，PSO）算法最初是由Kennedy和Eberhart[1,2]于1995年受人工生命研究结果启发，在模拟鸟群觅食过程中的迁徙和群集行为时提出的一种基于群体智能的进化计算技术。鸟群中的每只鸟在初始状态下是处于随机位置向各个随机方向飞行的，但是随着时

5、间的推移，这些初始处于随机状态的鸟通过自组织(self-organization)逐步聚集成一个个小的群落，并且以相同速度朝着相同方向飞行，然后几个小的群落又聚集成大的群落，大的群落可能又分散为一个个小的群落。这些行为和现实中的鸟类飞行的特性是一致的。可以看出鸟群的同步飞行这个整体的行为只是建立在每只鸟对周围的局部感知上面，而且并不存在一个集中的控制者。也就是说整个群体组织起来但却没有一个组织者，群体之间相互协调却没有一个协调者(organizedwithoutan41organizer，coordinatedwithoutacoordinator)。Kenne

6、dy和Eberhart从诸如鸟类这样的群居性动物的觅食行为中得到启示，发现鸟类在觅食等搜寻活动中，通过群体成员之间分享关于食物位置的信息，可以大大的加快找到食物的速度，也即是通过合作可以加快发现目标的速度，通常群体搜寻所获得利益要大于群体成员之间争夺资源而产生的损失。这些简单的经验事实如果加以提炼，可以用如下规则来说明：当整个群体在搜寻某个目标时，对于其中的某个个体，它往往是参照群体中目前处于最优位置的个体和自身曾经达到的最优位置来调整下一步的搜寻。Kennedy和Eberhart把这个模拟群体相互作用的模型经过修改并设计成了一种解决优化问题的通用方法，称之为粒

7、子群优化算法。PSO算法的基本原理源于对鸟群捕食行为的仿真。与ACO算法类似，PSO算法是一种基于群智能方法的优化技术，同时还与GA类似，是一种基于进化的优化工具。在PSO算法中，系统初始化为一群随机粒子(代表问题的一组随机解)，通过迭代来搜寻最优值，但是并没有GA所使用的交叉以及变异算子，而是通过粒子在解空间中追随最优的粒子进行搜索。与GA比较，PSO算法的优势在于简单、易于实现同时又有深刻的智能背景，既适合科学研究，又特别适合工程应用。因此，PSO算法一提出，立刻引起了演化计算等领域的学者们的广泛关注，并在短短的几年时间里出现大量的研究成果，形成了一个研究热

8、点。1.2.1粒子群算法