基于共轭梯度的微粒群算法及在车辆路径优化中的应用

《基于共轭梯度的微粒群算法及在车辆路径优化中的应用》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、硕士学位论文基于共轭梯度的微粒群算法及在车辆路径优化中的应用ParticleSwarmOptimizationbasedonconjugategradientandisappliedtoVehicleRoutingOptimization学科专业：工程专业学位专业领域：软件工程作者姓名：指导教师：中南大学软件学院2017年5月II中图分类号TP311.5学校代码10533UDC004.11学位类别 专业学位 硕士学位论文基于共轭梯度的微粒群算法及在车辆路径优化中的应用ParticleSwarmOptimizationbasedonconjugategradientandisapp

2、liedtoVehicleRoutingOptimization作者姓名：学科专业：工程专业学位专业领域：研究方向：软件工程软件工程技术学院（系、所）：软件学院指导教师：)副指导教师：论文答辩日期答辩委员会主席中南大学2017年5月II学位论文原创性声明本人郑重声明，所呈交的学位论文是本人在指导教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，也不包含为获得中南大学或其他教育机构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。申请学位论文与资料若有不实

3、之处，本人承担一切相关责任。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者和指导教师完全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；本人允许本学位论文被查阅和借阅；学校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，可以采用复印、缩印或其它手段保存和汇编本学位论文。保密论文待解密后适应本声明。作者签名：指导教师签名日期：年月日日期：年月日45基于共轭梯度的微粒群算法及在车辆路径优化中的应用摘要：微粒群算法是通过模拟鸟群搜索食物而进行设计的。算法寻优机理是粒子个体间信息交互和协作来进行寻优，通过迭代

4、而搜索到全局最优解。微粒群算法的算法结构简单、全局搜索能力强，已被广泛应用于优化控制领域。本文主要工作是对微粒群算法进行改进研究并将其应用于车辆路径优化问题，研究内容有：1、针对微粒群算法因惯性权重恒定而出现局部寻优能力不高，本文应用函数优化问题来测试惯性权重对算法收敛能力的作用。通过在惯性权重中引入动态调整参数，以此来调节算法的全局和局部寻优能力；针对算法在运行后期出现种群多样性减弱而导致求解精度不高的不足，在算法中引入共轭梯度法以增强算法的搜索精度。通过在惯性权重中引入动态调整参数并融入共轭梯度策略，设计了改进的的微粒群算法。2、为验证本文改进算法的收敛性能，用函数来测试基于

5、参数调整共轭梯度的微粒群算法的性能，函数仿真实验表明，该算法在收敛精度和收敛速度上有所提高。3、最后，以车辆路径优化问题作为研究对象，将本文改进的微粒群算法来求解车辆路径优化问题，实验结果表明，该算法可以找到最优路径，收敛效果比较好。图12副，表6个，参考文献61篇关键词：微粒群算法；共轭梯度法；函数优化；车辆路径优化问题分类号：TP311.545ParticleSwarmOptimizationbasedonconjugategradientandisappliedtoVehicleRoutingOptimizationAbstract：ParticleSwarmOptimiz

6、ation(PSO)isobtainedbysimulatingthenaturalforagingbirds.Itsoptimizationmechanismistofindtheglobaloptimalsolutioninthesolutionspacethroughcompetitionandcollaborationbetweenindividualparticles.PSOiseasytoimplement,andalgorithmstructureofPSOissimple.TheoptimizationabilityofPSOisstrong.PSOiswidel

7、yusedinthefield.ImprovementofparticleswarmoptimizationalgorithmandItsapplicationinVehicleRoutingProblemaremainlyresearchedinthisthesis.Themajorinnovationsareasfollows：1、AccordingtoTheconstantinertiaweightappeartolocalsearchability,inertiaweig