基于模拟退火的粒子群优化算法

《基于模拟退火的粒子群优化算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于模拟退火的粒子群优化算法高鹰%，!谢胜利%（%华南理工大学电子与信息学院，广州4%"B#%）（!广州大学计算机科学与技术系，广州4%"#"4）+5M/7<：N/<=D(@/DO!%=($=DM摘要粒子群优化算法是一类简单有效的随机全局优化技术。该文把模拟退火思想引入到具有杂交和高斯变异的粒子群优化算法中，给出了一种基于模拟退火的粒子群优化算法。该算法基本保持了粒子群优化算法简单容易实现的特点，但改善了粒子群优化算法摆脱局部极值点的能力，提高了算法的收敛速度和精度。四个基准测试函数的仿真对比结果表

2、明，该算法不仅增强了全局收敛性，而且收敛速度和精度均优于粒子群优化算法。关键词模拟退火粒子群优化算法杂交变异文章编号%""!5:99%5（!""#）"%5""#G5"#文献标识码?中图分类号PA9"%$B!"#$%&’()*"#+,-$%+%."$%/01’2/#%$3+45"4(6/0)%+7’"$(6800("’%029"/:%02;，<=%(>3(02’%;（%;D<<’@’DN+<’=0-D(7=QR(ND-M/07D(+(@7(’’-7(@，6DJ0.;.7(/S(7E’-I70*DNP’

3、=.(D

4、’IX/-MDW07M7U’-X70.=-DIIDE’-/()T/JII7/(MJ0/07D(，/()/I7MJ

5、/()’EDJ0/07D(%的具有高斯变异的粒子群优化算法、L/(13，%（"2!""%）给出的协同引言粒子群优化算法是一类基于群

6、智能的随机优化算法。因受粒子群优化算法以及文献1%%，%!（2%33G，!"""）提出的离散粒子到人工生命的研究结果启发，&’((’)*和+,’-./-01%，!2于%334年群优化算法等。这些算法从不同方面对粒子群优化算法进行了提出了粒子群优化算法，并已广泛应用于函数优化，神经网络改进，不同程度地提高了算法的收敛速度和精度，但效果并不训练，模式分类、模糊系统控制以及其他的应用领域。同遗传算十分理想。该文将模拟退火思想引入到粒子群优化算法中，给法类似，它是一种基于群体的优化工具，与遗传算法相比，粒子

7、出了基于模拟退火的粒子群优化算法$该算法结合了粒子群优群优化算法简单、容易实现同时又有深刻的智能背景，既适合化算法具有的全局寻有能力、实现简单和模拟退火算法具有的科学研究，又特别适合工程应用。因此，粒子群优化算法一经提较强的跳出局部最优解的能力，从而避免了粒子群优化算法易出，立刻引起了演化计算等领域的学者们的广泛关注，并在短于陷入局部极值点的缺点，提高了进化后期算法的收敛速度和短的几年时间里出现大量的研究成果1!5%!2。然而，粒子群优化算精度。#个基准测试函数的对比实验结果说明所提出的基于模法有易

8、陷入局部极值点，进化后期收敛慢，精度较差等的缺点。拟退火的粒子群优化算法优于基本粒子群优化算法。为了克服粒子群优化算法的缺点，目前出现了大量的改进粒子群优化算法，如：6.781（92%33:）提出的带惯性因子的粒子群优!基本粒子群优化算法化算法、;<’-=>1（#2%333）提出的带约束因子的粒子群优化算粒子群优化算法最先由+,’-./-0博士和&’((’)*博士在法、6.781（42!""%）提出的模糊自适应粒子群优化算法、?(@’<7(’文献1%，!2中提出，它是