改进的粒子群优化算法（apso和dpso）-研究

《改进的粒子群优化算法（apso和dpso）-研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、大连理工大学硕士研究生学位论文大连理工大学学位论文版权使用授权书本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用规定"，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。作者签名．多坌!鍪整翩签名：监迄：大连理王大学硕士学位论文1绪论优化闯题广泛存在子工程技术、科学研究、经济管理和社会科学等学科领域里，隧着人们对优化问题进行深入的研究，已形成了许多优化理论和优化

2、方法。特别是近三十多年以来，受到生物学、社会学、物理学等学科的启发，兴起了一些根据一定直观基础而构造的基予迁移概率的随机搜索机制的启发式优化算法，这些算法得到了迅猛的发展，至今仍方兴未艾。粒子群优化(ParticleSwarmOptimization，PSO)算法是最近出现的一种基于概率搜索的启发式优化算法，它属于群体智能类算法，因其简单有效，鲁棒性好，网前已成为优化算法的研究热点和前沿，并且已广泛应用于神经网络训练，工程优化等领域。尽管PSO具有结构简单，收敛快速等优点。但在处理多峰函数优化闯题时，PSO容易出现早熟收敛。同样的，搜索后期的局部搜索能力较

3、差，收敛速度较慢也是PSO算法的缺点之一。本文研究的秀种改进PSO算法尝试解决上述问题并进一步提高PSO的性能，并用于求解约束布局优化闯题，特别是复杂的卫星舱布局优化阀题。1．1优化的基本概念l。l。l优化的定义优化是在给定约束的条件下，求目标函数的极值(最大值或最小值)问题。其中，求解目标函数最小值问题，称为最小化问题；求解目标函数最大值问题，称为最大化问题。显然，最小化闯题与最大化问题可以相互转换。下面以最小化闯题为例(为表述方便，如无特别说明，本文优化问题均指最小化问题)，给出最优化闯题的数学描述：givenf：R”—争贝findx’联R”forwh

4、ichfO。)≤／(x)，V文∈R”(1．1)其中，使得星标露数／取得最优值的解f称为最优解，该描述称为无约束优化阎题。在此基础上增加若干约束条件，即为约束优化问题，其数学描述为：givenf：R”--@Rfind≯毯∥forwhichf(x‘)≤苁砖，VxeR”(1．2)subjectto＆@)≥0，f=l，2，．．．m．其中，萤@)为约束条件。此外，根据求解方法可将优化闷题分为两类：局部优化和全局优化。改进的粒子群优化算法(APSO和DPSO)研究1．1．2局部优化对于局部最小值x：和值域B，局部最优化问题可以描述如下：，(‘)≤，∞，Vx《B(1。3

5、)其中，BcS≤R弹，S表示解空间，B是S豹一个子集，挖是问题维数。可知，当S=R打时，该问题为无约束优化问题。更为重要的是。对于一个给定的解空间S，可以包含多个值域Bt，且骂ns,=彩，i．j。由xn’,≠‘，可知，对于任意值域尽的最小值都是唯一的。对予在值域B中任意的解‘，《，，当／(‘)然八磊，)时，可将目标透数值．厂(‘)称为局部最小值，x：为局部最小值的解。许多的优化算法在其寻优之前都需要给定上个起点zo专S，则当Zo∈B时，一个局部优化算法可以保证找到局部最小值的解‘。当约束较少或较容易处理时，一些局部优化算法也可以保证找到值域Bi内的局部最小

6、值的解并：。

7、f}

8、l

9、{；

10、1}

11、／{x薯～～-，——二，7I／’。l叠●、；、／；／＼，．．，／，●孕1234S巷盏圈1．1函数厂(x)篇x4—12xs+47x2—60x曲线图Fig．1．1Thefunctionf(x)--x4一12≯+47x2—60x1．1．3全局优化对于全局最小值x，全局最优化问题可以描述如下；，缸’)≤，(x)，VxeS(1．4)大连理工大学硕士学位论文其中，S表示解空间，S￡R”，刀是问题维数。目标函数值f(x‘)称为全局最小值，x‘称为全局最小值的解。类似局部优化算法的定义，全局最优算法可定义为：从起点磊出发，Zo∈S，可以

12、保证找到局部最小值的解x‘的算法。全局优化算法的另一种描述为：无论起点的位置如何，算法都可以找到属于值域召的(局部)最小值。这些算法的寻优一般包括两个过程，即局部搜索过程和全局搜索过程。对于值域矗，局部搜索过程即为局部优化算法的搜索过程；而全局搜索过程的作用为，当局部搜索过程有能力找到值域骂内的最小值时，将算法引入到值域置内。这种算法又被称为全局收敛算法，即无论起点的位置如何，算法都有能力找到局部最小值。并且，当初始点选择合适时，算法甚至可以找到全局最小值。但是，很显然并没有通用的方法保证总是能够选择到合适的初始点。在1995年以前的优化算法领域，一直存在

13、一种信念，即存在一种优化算法，它在求解任何优化问题时比其他算法都好