基于生態(tài)混合群體的協(xié)同微粒群算法研究.pdf

1、微粒群算法是模擬自然界生物群體社會行為的群集智能優(yōu)化算法，與其他進化類算法不同的是，它不僅利用位置信息，而且還利用速度信息對微粒的飛行軌跡進行控制。算法模型簡單，易實現(xiàn)，同時具有較強的自組織性、自適應性和自學習能力，已被成功應用于各種工程領(lǐng)域。但是，隨著求解問題復雜性的增加，標準微粒群算法模型表現(xiàn)出早熟、收斂效率低、全局收斂性能差等問題。本論文基于自然界生物群體之間的共生協(xié)作關(guān)系，在傳統(tǒng)微粒群算法中加入?yún)f(xié)同進化思想，從群體協(xié)作和微粒之間

2、協(xié)作兩個層面對微粒群算法加以研究，以提高算法的全局優(yōu)化性能。
　　(1)為提高算法的尋優(yōu)效率，提出了一種基于生態(tài)混合群體的協(xié)同微粒群算法模型，借助主子群和從子群兩個種群來實現(xiàn)。主子群實現(xiàn)全局粗粒度搜索，從子群依存主子群，在主子群搜索到的區(qū)域?qū)崿F(xiàn)局部細粒度搜索，進化過程中，兩個種群共享搜索信息，實現(xiàn)粗細互補搜索。函數(shù)優(yōu)化的仿真實驗表明，改進的基于生態(tài)混合群體的協(xié)同微粒群算法模型大大提高了算法的搜索效率和尋優(yōu)性能，避免了早熟問題。

3、r>　　(2)針對最優(yōu)解區(qū)域未知，搜索空間不易確定的動態(tài)優(yōu)化問題，在混合群體協(xié)同微粒群算法的基礎(chǔ)上，提出了一種自適應調(diào)整搜索空間的方法，根據(jù)微粒當前各向量在搜索空間感知的有效信息，自覺調(diào)整搜索范圍，縮小目標搜索空間，來提高搜索效率。對線性非穩(wěn)定系統(tǒng)逼近問題的仿真結(jié)果表明:混合群體協(xié)同搜索能有效減少群體的盲目搜索，提高算法的尋優(yōu)效率。
　　(3)將混合群體協(xié)同微粒群算法應用于動態(tài)環(huán)境中，利用Parabolic(拋物線)函數(shù)來構(gòu)造動態(tài)