個(gè)性化微粒群算法研究.pdf

1、微粒群算法是一種模擬鳥群飛行、魚群游動(dòng)等生物群體社會(huì)行為的群體隨機(jī)優(yōu)化算法,由于它結(jié)構(gòu)簡(jiǎn)單、運(yùn)算速度較快,已廣泛應(yīng)用于許多領(lǐng)域。論文從智能體(Agent)觀點(diǎn)出發(fā),提出了個(gè)性化微粒群算法框架,并將其應(yīng)用于參數(shù)選擇及結(jié)構(gòu)優(yōu)化。 標(biāo)準(zhǔn)微粒群算法僅利用了微粒的記憶性,沒(méi)有考慮微粒的其它特性。這一局限使得微粒群算法與其生物學(xué)背景之間存在較大差異,從而影響了算法的計(jì)算效率。有鑒于此,論文將算法中的微粒視為具有記憶能力、通訊能力、響應(yīng)能力、

2、協(xié)作能力及自學(xué)習(xí)能力的智能體(Agent)粒子,提出了個(gè)性化微粒群算法框架。該算法在標(biāo)準(zhǔn)微粒群算法的基礎(chǔ)上,利用多智能體之間的相互競(jìng)爭(zhēng)、相互協(xié)作,使微粒能更好地適應(yīng)周圍環(huán)境,從而更加符合算法的生物學(xué)背景。 參數(shù)選擇是微粒群算法研究的一個(gè)重要內(nèi)容,與已有的參數(shù)選擇策略不同,個(gè)性化的參數(shù)選擇策略需要充分利用各微粒的通訊、響應(yīng)、協(xié)作及自學(xué)習(xí)能力,從而導(dǎo)致不同微粒在同一代中參數(shù)具有不同的值。論文以各微粒對(duì)環(huán)境適應(yīng)能力的優(yōu)劣為基礎(chǔ),提出了

3、線性化的性能評(píng)價(jià)指標(biāo)作為微粒的自學(xué)習(xí)能力,并根據(jù)協(xié)作能力動(dòng)態(tài)調(diào)整全局搜索能力與局部搜索能力之間的比例。基于該思想,論文成功提出了慣性權(quán)重、認(rèn)知系數(shù)及社會(huì)系數(shù)的個(gè)性化選擇策略,仿真結(jié)果表明這些策略能有效地提高算法的計(jì)算效率。 對(duì)于微粒群算法的另一個(gè)重要研究?jī)?nèi)容一結(jié)構(gòu)優(yōu)化,論文根據(jù)較優(yōu)位置附近存在全局極值點(diǎn)的概率較大這一原則,初步探討了個(gè)性化的微粒群算法結(jié)構(gòu)實(shí)現(xiàn)方式。由于個(gè)性化慣性權(quán)重策略具有較高的選擇壓,容易陷入局部極值點(diǎn)。因此,