智能粒子群優(yōu)化算法研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，國(guó)民經(jīng)濟(jì)和國(guó)防科技等領(lǐng)域的生產(chǎn)過程越來越離不開優(yōu)化設(shè)計(jì)，尤其是大量的高、精、尖產(chǎn)品，更需要性能非常優(yōu)越的優(yōu)化方法。粒子群算法具有原理簡(jiǎn)單、參數(shù)少、易實(shí)現(xiàn)及收斂速度快等特點(diǎn)，該方法對(duì)于不同類型問題具有較廣泛的適應(yīng)性，并很快在多個(gè)領(lǐng)域被有效地應(yīng)用。
　　粒子群算法作為一種新的智能算法，存在著迭代初期易出現(xiàn)早熟、迭代后期收斂速度變慢等問題，在應(yīng)用拓展上也依賴于具體問題。為此，本文對(duì)粒子群優(yōu)化算法進(jìn)行了深入的理論分析，

2、面向連續(xù)優(yōu)化問題和組合優(yōu)化問題，針對(duì)算法所存在的問題提出幾種相應(yīng)的改進(jìn)新算法，并將其應(yīng)用到具體工程實(shí)踐中。
　　在單目標(biāo)連續(xù)優(yōu)化方面，本文提出將多種群思想引入到粒子群優(yōu)化算法中，提出了一種雙層多種群粒子群優(yōu)化新算法，該算法實(shí)現(xiàn)粒子群優(yōu)化算法的群體拓展和雙并行運(yùn)行機(jī)制，這樣可以針對(duì)性地提高粒子群算法的全局搜索能力，同時(shí)采用不同粒度的多子群并行機(jī)制和種群間的雙向最優(yōu)信息流動(dòng)也提高了該算法的局部搜索能力。通過對(duì)多個(gè)多峰、欺騙性典型函數(shù)的

3、測(cè)試驗(yàn)證了上述算法的有效性，進(jìn)一步通過對(duì)機(jī)器人結(jié)構(gòu)參數(shù)的優(yōu)化實(shí)例驗(yàn)證了本算法的實(shí)用性。
　　粒子群算法后期收斂速度較慢的主要原因是群體中各個(gè)個(gè)體極值更新緩慢。為此本文提出一種粒子位置擇優(yōu)更新的粒子群算法。利用粒子位置的可擇優(yōu)更新，就是使每個(gè)粒子在每步迭代時(shí)都可以從3個(gè)備選點(diǎn)中選擇最佳點(diǎn)進(jìn)行更新，增加了粒子找到更好位置的概率，提高了個(gè)體極值乃至全局極值的更新速率，以極小的時(shí)間代價(jià)提高了算法的效能。通過六個(gè)典型測(cè)試函數(shù)和移動(dòng)機(jī)器人路徑

4、規(guī)劃的實(shí)例對(duì)該算法的實(shí)用性和有效性進(jìn)行了驗(yàn)證。
　　多目標(biāo)約束優(yōu)化一直是優(yōu)化領(lǐng)域中的瓶頸問題，除需處理多個(gè)目標(biāo)外，還存在著約束處理影響計(jì)算效率的問題。粒子群算法只保留最優(yōu)信息，對(duì)鄰近最優(yōu)點(diǎn)的不可行解缺乏智能性的判斷和保留機(jī)制，在解決多目標(biāo)優(yōu)化問題中效果不理想。而文化算法由于具有基于文化的信仰空間和群體空間的雙并行機(jī)制，特別適合處理約束優(yōu)化問題。為此本文提出一種求解多目標(biāo)約束優(yōu)化問題的雙層次進(jìn)化的文化粒子群算法。新算法在群體空間采用

5、改進(jìn)的粒子群算法，并采用直接比較法處理約束條件，避免了傳統(tǒng)罰函數(shù)方法存在的缺點(diǎn)。在算法迭代過程中隨時(shí)調(diào)整不可行解參數(shù)，使解集中不可行解保持在一定的比例范圍內(nèi)，維持了種群的多樣性，進(jìn)一步避免算法陷入“早熟”，提高了算法全局搜索能力。信仰空間接收群體空間中的精英粒子，并采用了交叉操作和小生境Pareto競(jìng)爭(zhēng)策略保證所產(chǎn)生的最優(yōu)解集能夠均勻地分布在Pareto前沿。最后采用兩個(gè)測(cè)試函數(shù)和一個(gè)工程減振器的優(yōu)化設(shè)計(jì)實(shí)例對(duì)此算法進(jìn)行了驗(yàn)證，測(cè)試和實(shí)

6、例計(jì)算表明該算法是一種快速、有效的多目標(biāo)優(yōu)化方法。
　　組合優(yōu)化問題具有廣泛的應(yīng)用背景，它的目標(biāo)是尋找解空間中離散狀態(tài)的最優(yōu)組合。離散粒子群算法為求解這類問題提出了一種新方法，本文針對(duì)基本離散粒子群優(yōu)化算法存在的易于陷入局部最優(yōu)解、求得的解的精度不高的缺點(diǎn)，提出了兩種具體改進(jìn)新算法：
　　以典型的01背包問題為研究對(duì)象，基于生物病毒機(jī)制和宿主與病毒基于感染操作等思想，提出一種解決單目標(biāo)組合優(yōu)化問題的病毒協(xié)同進(jìn)化離散粒子群優(yōu)化

7、新算法。該算法利用病毒的水平感染和垂直傳播能力提高粒子群算法的性能。實(shí)驗(yàn)證明，病毒感染操作成功地增強(qiáng)了對(duì)解空間的局部搜索功能，使求解精度明顯優(yōu)于其它幾種算法。
　　以典型的虛擬企業(yè)中的伙伴選擇問題為應(yīng)用背景，研究將離散粒子群算法應(yīng)用到多目標(biāo)組合優(yōu)化問題?；诟淖兞Ｗ铀俣炔呗蕴岢隽肆Ｗ铀俣乳撝悼烧{(diào)的離散粒子群優(yōu)化新算法。該算法通過引入隨迭代過程逐步變小的適應(yīng)性可調(diào)速度閾值參數(shù)來平衡全局搜索能力和局部搜索能力之間的矛盾，提高算法的性能