基于確定性搜索的粒子群優(yōu)化算法的研究.pdf

1、作為一種群智能進化算法，粒子群優(yōu)化(PSO)算法具有容易實現(xiàn)、對適應度函數(shù)要求寬泛以及全局搜索能力較好等優(yōu)點，它已經(jīng)廣泛應用在現(xiàn)代科學與工程等領(lǐng)域。
　　 但是，PSO容易因失去種群多樣性而陷入局部極優(yōu)從而降低其搜索性能。這主要是因為作為一種隨機搜索算法，PSO中粒子的搜索方向具有一定的盲目性。然而，基于梯度信息的搜索算法不但能夠保證局部收斂，還具有很高確定性。因此，本文將基于梯度信息的搜索方法與隨機粒子群優(yōu)化結(jié)合起來提高種群的

2、搜索能力，提出了兩類混合粒子群優(yōu)化算法，這些混合算法能夠在保證有效的搜索空間的同時提高搜索速度和精度。本文主要工作如下:
　　 1)提出了一種基于最速下降搜索的調(diào)節(jié)種群多樣性的粒子群算法。該算法在進化過程中，如果種群多樣性大于預設(shè)的閾值則按照APSO的機制進化，否則全局最優(yōu)點排斥其他粒子使粒子群散開以保持種群多樣性，并同時利用粒子的梯度信息搜索潛在的全局最優(yōu)點。實驗結(jié)果表明，相對于基本PSO及其相關(guān)改進，改進的算法在收斂精度、收