改進(jìn)PSO求解動態(tài)優(yōu)化研究.pdf

1、動態(tài)優(yōu)化問題(Dynamic Optimization Problems，DOPs)是在動態(tài)環(huán)境(Dynamic Environments，DEs)下的一類優(yōu)化問題。在最優(yōu)化領(lǐng)域中，動態(tài)環(huán)境指適值函數(shù)和約束條件均可能隨時間變化的環(huán)境背景。相對于傳統(tǒng)的靜態(tài)環(huán)境，動態(tài)環(huán)境在現(xiàn)實的應(yīng)用場景中更具廣泛性。進(jìn)化算法(EvolutionaryAlgorithms，EAs)是受生物進(jìn)化現(xiàn)象啟發(fā)的自適應(yīng)的一類智能計算技術(shù)。粒子群優(yōu)化算法(Particl

2、e Swarm Optimization，PSO)是一種基于群體智能的進(jìn)化算法。相對于其他進(jìn)化算法，PSO具有收斂速度快和配置容易的優(yōu)點。求解動態(tài)優(yōu)化問題主要面臨避免收斂成熟以及利用環(huán)境信息兩點挑戰(zhàn)。目前，進(jìn)化算法求解動態(tài)優(yōu)化問題的基本策略有多樣性策略、記憶策略和多種群策略。本文主要關(guān)注收斂成熟問題、多樣性策略和多種群策略。
　　 本文定義粒子搜索范圍的有效性規(guī)則，并分別使用理論方法和實驗方法對不同PSO參數(shù)選擇的粒子搜索范圍的

3、有效性進(jìn)行檢驗。對于符合粒子搜索范圍有效性規(guī)則的參數(shù)選擇，本文分析PSO在動態(tài)環(huán)境下的不足，并提出一種新的改進(jìn)PSO算法：帶鏈結(jié)構(gòu)的PSO算法(Particle Swarm Optimization with ChainStructure，PSOC)。PSOC通過粒子搜索范圍對解空間每一維度的覆蓋來提高群體對環(huán)境變化的適應(yīng)能力。最后，在靜態(tài)環(huán)境和動態(tài)環(huán)境下的基準(zhǔn)測試問題對選定的改進(jìn)PSO算法進(jìn)行優(yōu)化性能的對比研究。實驗結(jié)果說明PSOC是