复合粒子群算法及其应用研究

《复合粒子群算法及其应用研究》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、中图分类号!里13UDC620硕士学位论文学校代码!Q53三密级垒珏复合粒子群算法及其应用研究CompositeParticleSwarmAlgorithmandItsApplication作者姓名：学科专业：研究方向：学院(系、所)：指导教师：鲍琨控制科学与工程进化计算信息科学与工程学院谭冠政教授论文答辩日期出‘答辩委员会主席乓望丝中南大学2013年5月原创性声明本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得

2、中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。作者签名：!；乏塾丛日期：趁!三年上月』日学位论文版权使用授权书本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文。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。复合粒子群算法及其应用研究摘要：全局优化问题广泛

3、存在于科学、工程和商业等各种领域，可以被简单地描述为一个D维最小化问题。不幸的是，由于实际应用问题的复杂性，许多优化问题都不能被传统的解析法所有效地解决，因而产生了许多数值算法诸如进化算法去解决它们。但是这类进化算法所面临的最大挑战是它们容易陷入目标函数的局部最优中，这种现象尤其在处理高维问题或者复杂的多峰问题中愈加多见。粒子群算法就是这类数值算法之一，该算法在很多优化问题中都有着比较好的效果。但是它同时也存在着很多缺陷，比如当解决复杂问题时，原始粒子群算法很容易因为种群多样性的提早丧失而陷入局部最优中。针对这样的早熟收敛问题，诞生了许多优秀的P

4、SO算法变种。这些变种算法都擅长解决复杂问题，可是它们的收敛速度却相对较低。为了从解的质量和收敛速度两方面提高原始粒子群算法的性能，本文提出了一种复合粒子群算法(compositeparticleswarmoptimization，CPSO)，该算法使用了一个“新的学习策略复合辅助搜索机制”的结构，新的学习策略被称为组合学习策略(combinationlearninstrategy)，该策略将粒子的个体历史最优信息和全局最优信息组合为一个学习向量去指引粒子运动，能够保留原始的搜索信息并且加快算法的收敛速度。辅助搜索机制属于一种全局搜索方法，可以大

5、大改变粒子的搜索方向从而使算法能够有较大机会获得全局最优解。为了使辅助搜索机制更加有效率并使整个算法更加稳定，辅助搜索机制的执行概率是由每次迭代后适应度值的改善程度动态调节的。随后本文将复合粒子群算法应用于函数优化问题和车辆路径问题(vehicleroutingproblem，VRP)之中。在解决函数优化问题方面，采用了22个基准函数(benchmarkfunction)对算法的性能进行了测试。在解决车辆路径问题方面，使用了不带时间窗的车辆路径问题和带时间窗的车辆路径问题对算法的性能进行了评估。这两类问题的实验均证明了复合粒子群算法的高效性。图1

6、1幅，表17个，参考文献61篇。关键词：优化问题；复合粒子群算法；组合学习策略；辅助搜索机制；函数优化问题；车辆路径问题分类号：TPl3IICompositeParticleSwarmAlgorithmandItsApplicationAbstract：Globaloptimizationproblemsexitinmanyfieldssuchasscience，engineeringandcommerce，itCanbedescdbedasaD—dimensionalminimizationproblemsimply．Butunfortunat

7、ely,manyoftheseproblemsCan’tbesolvedbytraditionalanalyticalmethodsduetotheircomplexityinreallife，SOnumericalalgorithmssuchasevolutionarycomputationalgorithmsaregeneratedandadoptedtoslovethem．Butthebiggestchallengeisthatthesealgorithmareeasytobetrappedinthelocaloptimaofanobjec

8、tfunction，especiallyinhighdimensionalandcomplexmultimodalproblems．Pa