微粒群算法的改進(jìn)與應(yīng)用研究.pdf

1、微粒群算法作為一種全局優(yōu)化算法，由于其易用性和良好的性能，已經(jīng)引起了越來越多的研究者的注意。目前關(guān)于微粒群算法的研究主要集中于三個方面，微粒群算法的理論分析、微粒群算法的改進(jìn)研究和微粒群算法的應(yīng)用。
　　本文分析了算法的運行過程，介紹了隨機(jī)因素對算法的作用，并給出了消除隨機(jī)因素來簡化算法的思路。針對算法的早熟問題，提出了一些改進(jìn)方法，并進(jìn)行了微粒群算法在流水作業(yè)調(diào)度問題中的應(yīng)用研究，所做的主要工作如下：
　　(1)在標(biāo)準(zhǔn)微粒

2、群算法中，隨機(jī)因子保證了算法的性能，但是給算法的理論分析帶來了困難。本文分析了隨機(jī)因子在微粒群算法中的作用，給出了一種等價方法，該算法性能同標(biāo)準(zhǔn)微粒群算法近似，表明了該等價方法的正確性。為了消除隨機(jī)因素，進(jìn)一步提出了一種采用啟發(fā)式策略進(jìn)行維選擇的方法，該算法可以保證求解問題的能力，說明將微粒群算法確定化是可行的。
　　(2)微粒群算法中隨著進(jìn)化過程種群的多樣性迅速降低，出現(xiàn)所謂的“早熟”現(xiàn)象，使算法收斂于局部最優(yōu)解。本文基于對微粒

3、群進(jìn)化過程的分析，提出了兩種改進(jìn)算法。一種方法是將基于微粒相似性的變異操作引入到微粒群算法中，可以增加種群的多樣性，能夠發(fā)現(xiàn)在一般的進(jìn)化過程不可能找到的解，實驗表明這種方法在一些復(fù)雜的多峰函數(shù)問題上能夠取得很好的結(jié)果。另一種方法是將具有很強(qiáng)的全局搜索能力的微粒群算法和局部搜索能力較強(qiáng)的極值優(yōu)化方法結(jié)合，發(fā)揮兩者的優(yōu)點，克服“早熟”現(xiàn)象，實驗結(jié)果證明了該方法比標(biāo)準(zhǔn)的微粒群算法的性能有明顯的提高。
　　(3)流水作業(yè)調(diào)度問題(FSSP