微粒群算法的改进与应用研究

《微粒群算法的改进与应用研究》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、论文题目:微粒群算法的改进与应用研究作者姓名：金鑫入学时间：2008年9月专业名称：计算机软件与理论研究方向：数据库系统与数据挖掘指导教师：梁永全职称：教授论文提交日期：2011年5月论文答辩日期：2011年6hl12□授予学位日期：2011年6月RESEARCHONTHEIMPROVEMENTSANDAPPLICATIONSOFPARTICLESWARMOPTIMIZATIONADissertationsubmittedinfulfillmentoftherequirementsofthedegreeofMASTEROFENGINEERINGSCIENCEfromShandon

2、gUniversityofScienceandTechnologybyJinXinSupervisor:ProfessorLiangYongquanCollegeofInformationScienceandEngineeringMay2011木人呈交给山东科技大学的这篇硕士学位论文，除了所列参考文献和所公认的文献外，全部是木人在导师指导下的研究成果。该论文资料尚没有呈交于其它任何学术机关作鉴定。硕士生签名:日期:AFFIRMATIONIdeclarethatthisdissertation,submittedinfulfillmentoftherequirementsforth

3、eawardofMasterofEngineeringScienceinShandongUniversityofScienceandTechnology,iswhollymyownworkunlessreferencedofacknowledge.Thedocumenthasnotbeensubmittedforqualificationatanyotheracademicinstitute*Signature:Date:摘要微粒群算法作为一种全局优化算法，由丁其易用性和良好的性能，已经引起了越来越多的研究者的注意。目前关于微粒群算法的研究主要集中于三个方面，微粒群算法的理论分析

4、、微粒群算法的改进研究和微粒群算法的应用。木文分析了算法的运行过程，介绍了随机因素对算法的作用，并给出了消除随机因素来简化算法的思路。针对算法的早熟问题，捉出了一些改进方法，并进行了微粒群算法在流水作业调度问题屮的应用研究，所做的主耍工作如下：(1)在标准微粒群算法中，随机因子保证了算法的性能，但是给算法的理论分析带來了困难。本文分析了随机因子在微粒群算法中的作用，给出了一种等价方法，该算法性能同标准微粒群算法近似，表明了该等价方法的正确性。为了消除随机因素，进一步提出了一种采用启发式策略进行维选择的方法，该算法可以保证求解问题的能力，说明将微粒群算法确定化是可行的。(2)微粒群

5、算法中随着进化过程种群的多样性迅速降低，出现所谓的“早熟"现象，使算法收敛于局部最优解。本文基于对微粒群进化过程的分析，提出了两种改进算法。一种方法是将基于微粒相似性的变异操作引入到微粒群算法中，可以增加种群的多样性，能够发现在一般的进化过程不可能找到的解，实验农明这种方法在一些复杂的多峰函数问题上能够取得很好的结果。另一种方法是将具有很强的全局搜索能力的微粒群算法和局部搜索能力较强的极值优化方法结合，发挥两者的优点，克服“早熟'，现象，实验结果证明了该方法比标准的微粒群算法的性能冇明显的提高。(3)流水作业调度问题(FSSP)是一种NP类问题，本文给出了利用微粒群算法求解FSS

6、P的方法，并采用两种不同的编码方法，实验表明采用实数编码的方法比采用直接在问题的解空间中使用整数编码的方法的性能更好。文中提岀的一些微粒群算法的改进算法也被应用到FSSP中，实验结果说明了这些改进算法可以提高解决实际问题的能力。关键字：微粒群算法，确定性微粒群算法，“早熟”问题，极值优化，流水作业调度问题ABSTRACTParticleSwarmOptimization(PSO)isagloba1optimizationalgorithmandithasattractedtheattentionsofmoreandmoreresearchersbecauseitiseasytoi

7、mplementandithasagoodperformanceonmanyproblems.Atpresent,theresearchonParticleSwarmOptimizationisfocusedonthreeaspects,namely,thetheoretica1analysisofPSO,theimprovementofPSOandtheapplicationofPSO・ThisthesisanalyzestheevolutionprocessofthePSOa