粒子群算法优化方法综述

《粒子群算法优化方法综述》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、粒子群算法优化方法综述摘要：粒子群算法（PSO）是一种基于群体智能的进化算法，具有实现容易，精度高，收敛快等优点，本文就粒子群算法（pso）的优化方面进行综述。并对目前的应用研究方向进行总结。本文采集自网络，本站发布的论文均是优质论文，供学习和研究使用，文中立场与本网站无关，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除己转载的信息，如果需要分享，请保留本段说明。关键词：粒子群算法；粒子群算法优化；PSO一、粒子群算法的背景粒子群算法（ParticleSwarmOptimization,PSO）最早是由Eberhart和K

2、ennedy于1995年提出。该算法从鸟群的觅食活动中得到启发并用于求解优化问题。、算法简介该算法主要模拟鸟群的觅食行为，假设一个有n只鸟（粒子）组成的鸟群（群体）对D维的空间进行觅食，每只鸟在飞行的时候，既要考虑到自己的当前最优位置，也要也考虑鸟群的最优位置，在算法实现时加入了cl和c2两个量。cl是粒子个体认知系数，称为“认知学习因子”。c2是社会认知系数，所以又叫做“社会学习因子”。两者统称为“学习因子”。下面给出粒子群算法的速度以及位置更新公式:除了以上4种，还有其他针对的学习因子进行优化的方法，例如带有权重函数学习因子[12];三

3、角函数变化学习因子[13];非对称学因子[14]等等。四、粒子群算法的应用例如将其应用到各类连续问题和离散问题的优化，包括模糊控制器设计，机器人路径规划，信号处理和模式识别，将其应用到神经网络的训练中，将其应用到各种实际问题中，包括车间调度，TSP,VRP,配电网络，农业工程等各种实际问题中。五、粒子群算法展望随着各种优化过后的粒子群算法的提出，例如MOPSO（多目标粒子群算法），DMPSO（动态多目标粒子群优化算法），SMOPSO（随机多目标粒子群算法），CMPSO（混沌变异粒子群算法），粒子群算法将会应用到更多的实际当中去。因为粒子群算

4、法本身存在易陷入局部最优，因此如何将其与其他智能算法结合，取长补短，也将会成为一大趋势。[参考文献][1]ShiY，EberhartR.Modifiedparticleswarmoptimizer[C]//IEEEInternationalConferenceonEvolutionaryComputationProceedings,1998.IEEEWorldCongressonComputationalIntelligence.IEEEXplore，1998：69-73.[2]ZhengYL，MaLH,ZhangLY，etal.Onthe

5、convergenceanalysisandparameterselectioninparticleswarmoptimization[C]//InternationalConferenceonMachineLearningandCybernetics.IEEE,2003：1802-1807Vol.3.[1]崔红梅，朱庆保.微粒群算法的参数选择及收敛性分析[J].计算机工程与应用，2007，43(23)：89-91.[2]赵志刚，黄树运，王伟倩.基于随机惯性权重的简化粒子群优化算法[JL计算机应用研究，2014，31(2)：361-363.

6、[3]王丽，王晓凯.一种非线性改变惯性权重的粒子群算法[J].计算机工程与应用，2007，43(4)：47-48.[4]王启付，王战江，王书亭.一种动态改变惯性权重的粒子群优化算法[J].中国机械工程，2005，16(11)：945-948.[5]姜长元，赵曙光，沈士根，等.惯性权重正弦调整的粒子群算法[J].计算机工程与应用，2012，48(8)：40-42.[6]马斌，罗洋，杨袁，等.动态调整学习因子的粒子群优化算法[JL甘肃科技，2014,30(16)：58-59.[7]冯浩，李现伟.PSO算法中学习因子的非线性异步策略研究[JL安阳

7、师范学院学报，2015(5)：44-47.[8]SuganthanPN.Particleswarmoptimiserwithneighbourhoodoperator[C]//EvolutionaryComputation,1999.CEC99.Proceedingsofthe1999Congresson.IEEE,1999：1962Vol.3.[9]RatnaweeraA，HalgamugeSK，WatsonHC.Self-organizinghierarchicalparticleswarmoptimizerwithtime-varyi

8、ngaccelerationcoefficients[J].IEEETransactionsonEvolutionaryComputation,2004,8(3)：240-255