粒子群优化算法的性能-分析与改进

《粒子群优化算法的性能-分析与改进》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、王妹：粒子群优化算法的性能分析与改进77扬州大学学位论文原创性声明和版权使用授权书学位论文原创性声明本人声明：所呈交的学位论文是在导师指导下独立进行研究工作所取得的研究成果。除文中已经标明引用的内容外，本论文不包含其他个人或集体已经发表的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。学位论文作者签名：l慕各签字日期：如，o年j月，乒日学位论文版权使用授权书本人完全了解学校有关保留、使用学位论文的规定，即：学校有权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文档，允许论文被查阅和借阅。本人授权扬州大学可以将学位论文的全部或部分内容编

2、入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。学位论文作者签名：导师签名：。I许磕、J签字日期：山／o年岁月，妒日签字日期：如一年f月／)C日I本页为学位论文末页。如论文为密件可不授权，但论文原创必须声明。J千姝：粒子群优化算法的性能分析与改进第一章绪论1．1研究背景及课题的意义粒子群优化算法(ParticleSwarmOptimization，PSO)是一种基于群体智能的优化方法，其思想来源于人工生命和演化计算理论。“人工生命"是来研究具有某些生命基

3、本特征的人工系统，它包含两方面的内容：1．研究如何利用计算技术研究生物现象；2．研究如何利用生物技术研究计算问题。我们关注的是第二部分的内容。现在已经有很多源于生物现象的计算技巧。例如，人工神经网络是简化的大脑模型；遗传算法是模拟基因进化过程的。现在我们讨论另一种生物系统——社会系统，更确切的说，是由简单个体组成的群落与环境以及个体之间的互动行为。也可称做“群体智能"(SwarmIntelligence)。这些模拟系统利用局部信息从而可能产生不可预测的群体行为。所谓群体智能【l‘3】指的是众多无智能的简单个体组成群体，通过相互间的简单合作表现出智能行为的特性。自然界中动物、昆虫常以集体的力

4、量进行觅食生存，单个个体所表现的行为是缺乏智能的，但由个体组成的群体则表现出了一种有效的复杂的智能行为。群体智能可以在适当的进化机制引导下通过个体交互以某种突现形式发挥作用，这是个体以及可能的个体智能难以做到的。大多数具有群居生活习性的生物系统一般都有比较相似的群体智能表现，而从中提炼形成的人工系统模型主要反映的是蚁群【4州、鸟群(粒子群)110-12】、蜂群【131、鱼群‘141和狼群‘151等的行为特征，其中对蚁群算法和粒子群优化算法的研究和应用较多。粒子群优化算法(vso)u啦!2J是由Kennedy和Eberhart等于1995年开发的～种进化计算技术，其基本思想来源于对鸟群简化社

5、会模型的研究及行为模拟。群体中的鸟被抽象为没有质量和体积的“微粒"，通过这些“微粒”的相互协作和信息共享，其运动速度受到自身和群体的历史运动状态信息的影响，以自身和群体的历史最优位置来对微粒当前的运动方向和运动速度加以影响，能较好地协调微粒本身和群体运动之间的关系，在复杂的解空问寻找最优解。粒子群优化算法自从提出之后，由于其概念简明、实现方便，在短期内迅速得到了国际进化计算研究领域的认可，许多研究者对该算法作了各种改进并在算法实现模式及应用领域得到了很大的发展。成功应用于数据挖掘1161、控制f17】、非2扬州大学硕士学位论文线性规划【181、图像处理【191、滤波‘201等领域中，解决了

6、电力系统调度‘211、水利规划【221、通讯【231、航空【2引、建筑【251、生物信息学‘261、电路设计口刀、商业【2s】等领域中的优化问题。大量实验证明，粒子群优化算法在进化初期的收敛速度快，因而也容易陷入局部最优。它在进化的后期收敛速度变慢，并且收敛精度低，若加速系数或者最大速度的参数过大，则很容易就错过最优解。收敛速度和全局优化是粒子群优化算法性能提高的一对矛盾。由于粒子群优化算法还存在着一些非常重要的问题亟待解决，无论是对其性能和机制的研究，还是对其应用领域的拓展都有待进一步的深入。首先粒子群优化算法还未像演化算法、遗传算法、模拟退火等算法那么成熟。虽然通过对大量的NP完全和N

7、P难问题求解，已经显示出粒子群优化算法的高效性，但粒子群优化算法的成功主要在实验层次上，很少有理论来解释利用粒子群优化算法为什么能够成功地解决这些问题，还有什么问题利用粒子群优化算法不能解决，对于能够解决的问题，它的时间复杂性到底有多大，它的根本优化机制；即自聚集机制的数学模型和评价体系尚未建立。因此我们的课题研究将围绕这些方面展开，集中在以下几点：(1)粒子群优化算法的改进(2)粒子群优化算法的数学分析(3)在粒子群优