改進的粒子群算法在停車場中的應用.pdf

1、粒子群算法是模擬鳥群飛行覓食的行為,通過鳥之間的集體協(xié)作使群體達到最優(yōu)。盡管每個個體的行為準則是很簡單的,但組合成的整個群體的行為是非常復雜的。粒子群算法基于群體迭代,群體在解空間中追隨最優(yōu)粒子進行搜索。其優(yōu)勢在于簡單容易實現(xiàn),同時又有深刻的智能背景,既適合科學研究,又特別適合于工程應用。
　　在研究粒子群算法的基本原理和研究現(xiàn)狀的基礎上,針對基本粒子群算法研究中存在的一些問題,提出了改進型的粒子群算法,最后將該改進型的粒子群算法

2、應用于停車場的車位尋優(yōu)過程。主要的研究工作包括以下幾個方面:
　　1、在差分進化算法中引入了動態(tài)比例因子,在PSO算法中引入DE算法的變異、交叉操作,重新構(gòu)造了PSO算法的粒子位置更新公式,構(gòu)造了一個新型的DE-PSO算法。
　　2、在粒子群中的粒子進化到下一代之前,選用遺傳算法的交叉、變異算子對粒子進一步優(yōu)化。新的算法既保證了遺傳算法強大的全局搜索性能,又同時融合粒子群算法的位置轉(zhuǎn)移思想。這樣,經(jīng)過改進的算法充分利用了被遺

3、傳算法忽略了的種群的信息和個體信息,而粒子群算法又利用了遺傳算法的“優(yōu)勝劣汰”的思想,構(gòu)造了一個新型的CMPSO算法。
　　3、傳統(tǒng)的粒子群算法一般采用線性遞減的慣性權(quán)重調(diào)整策略,該調(diào)整策略往往使得粒子群算法不能反映非線性優(yōu)化搜索過程,并且因為慣性權(quán)重的線性減小,在算法收斂的后期,粒子容易陷入“早熟”現(xiàn)象。針對這個問題,引入差異因子,并且動態(tài)調(diào)整PSO算法中的慣性權(quán)重。
　　4、在將粒子群算法應用到停車場中的車位尋優(yōu)過程中,