设计论文-非线性规划问题的粒子群算法（定稿）学位论文.doc

《设计论文-非线性规划问题的粒子群算法（定稿）学位论文.doc》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、西安科技大学毕业设计（论文）分类号密级学校代码学号0608060124西安科技大学学士学位论文题目：非线性规划问题的粒子群算法作者：指导教师：专业技术职称：学科专业：申请学位日期：31西安科技大学毕业设计（论文）摘要优化技术是一种以数学为基础，用于求解各种组合优化问题的应用技术。最优化问题是人们在工程技术、科学研究、和经济管理等诸多领域中经常碰到的问题，它是指在满足一定的约束条件下，寻找一组参数值，使目标函数达到最大或最小。最优化问题根据其目标函数、约束条件的性质以及优化变量的取值范围可以分为许多类型，例如：根据目标函数和约束条件是否均为线性表达式，把最优化问题划分为线性规划问题和非线性规

2、划问题。针对不同的最优化问题，提出了许多不同的优化方法，如牛顿法、共轭梯度法、Polar-Ribiere法、拉格朗日乘子法等。这些优化算法能很好地找到问题的局部最优点，是成熟的局部优化算法。但是随着人类生存空间的扩大以及认识与改造世界范围的拓展，人们发现由于问题的复杂性、约束性、非线性、建模困难等特点，解析性优化算法已不能满足人们的要求，需要寻找一种适合于大规模并行且具有智能特征的优化算法。现代进化类方法如人工神经网络、遗传算法、禁忌搜索法、模拟退火法和蚁群算法等在解决大规模的问题时体现出强大的潜力，它们可以在合理的时间限制内逼近优化问题的较好可行解。其中，遗传算法和蚁群算法被称为智能优化

3、算法，其基本思想是通过模拟自然界生物的行为来构造随机优化算法。近年来，另一种智能优化算法—粒子群算法（particleswarmoptimization，简称PSO）越来越受到学者的关注。粒子群算法是美国社会心理学家JamesKennedy和电气工程师RussellEberhart在1995年共同提出的，它是受到鸟群社会行为的启发并利用了生物学家FrankHeppner的生物群体模型而提出的。它用无质量无体积的粒子作为个体，并为每个粒子规定简单的社会行为规则，通过种群间个体协作来实现对问题最优解的搜索。由于算法收敛速度快，设置参数少，容易实现，能有效地解决复杂优化问题，在函数优化、神经网络

4、训练、图解处理、模式识别以及一些工程领域都得到了广泛的应用。关键字：非线性规划；粒子群算法；智能算法ABSTRACTOptimizationtechnologyisbasedonmathematicsandcansolvevariouscombinatorialoptimizationproblems.Manyproblemspossessasetofparameterstobeoptimized,especiallyinthefieldsofengineeringtechnology,scientificresearchandeconomicmanagement.Optimization

5、istolookforasetofparametersindefiniterestrictionwiththeaimof31西安科技大学毕业设计（论文）minimizingormaximizingtheobjectivefunction.Accordingtoqualityofobjectivefunctionandrestrictconditionandscopeofvariable,optimizationproblemcanbedividedintolotsoftypes.Forexample,ifobjectivefunctionandrestrictconditionarebot

6、hlinealexpression,thisproblembelongstolinearprogrammingproblem,ifnot,itbelongstononlinearprogrammingproblem.Differentmethodshavebeenpresentedtosovledifferentkindsofproblems,suchasNewton'smethod,conjugategradientmethod,Polar-Ribiere'smethod,LagrangeMultiplierMethodetc.Thesemethodscannicelyfindlocal

7、extremeindifferentproblems.However,withthedevelopmentofhumanlivingspaceandthescopeofunderstandingandtransformingtheworld,peoplehavefoundthatbecauseofthecomplexity,binding,nonlinear,modelingdifficultiescharacteris