基于群體多樣性的粒子群優(yōu)化算法.pdf

1、20世紀以來，群智能優(yōu)化算法作為一種新興的優(yōu)化算法，受到優(yōu)化領(lǐng)域眾多研究者的廣泛關(guān)注。算法通過模擬社會性動物的各種群體行為，利用群體中個體之間的信息交互和合作來實現(xiàn)尋優(yōu)的目的。與其他類型的優(yōu)化方法相比，具有實現(xiàn)較為簡單，效率較高的的優(yōu)點。粒子群優(yōu)化算法屬于群智能算法領(lǐng)域中的一個新的分支，源于對鳥類捕食行為的模擬，是一種基于群體搜索的隨機優(yōu)化算法。它的主要特點是簡潔、易于實現(xiàn)且效率高、可調(diào)參數(shù)少等，沒有遺傳算法中的交叉和變異過程。在工程實

2、際中表現(xiàn)出巨大的潛力，現(xiàn)已廣泛應用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡訓練、模糊系統(tǒng)控制、工業(yè)系統(tǒng)優(yōu)化等領(lǐng)域。
　　 與遺傳算法一樣，粒子群優(yōu)化算法也存在自己的缺陷，主要包括早期收斂，收斂速度慢等。為了提高算法的效率，不少研究者對算法進行了深入的研究，提出了各種不同的改進策略，歸納起來主要集中在以下幾個方面：參數(shù)設置的研究、拓撲結(jié)構(gòu)的研究、與其他技術(shù)融合。各種改進策略在不同程度上獲得一定的效果，但是，粒子群優(yōu)化算法依然面臨早期收斂和收斂效率不高

3、的問題。
　　 本文對粒子群優(yōu)化算法的基本原理、參數(shù)的選取進行較為詳細的論述，重點分析了群體多樣性以及基于群體多樣性的改進算法，由于目前基于多樣性改進的算法沒有合理的利用群體信息，取得的效果并不理想。在基于多樣性改進的算法基礎上，本文通過結(jié)合有效的信息共享方式，提出一種動態(tài)對象選擇的粒子群優(yōu)化算法。該算法首先對群體多樣性的度量方式進行改進，然后利用多樣性來監(jiān)督粒子的學習對象。最后通過對常用的基準函數(shù)進行仿真實驗，結(jié)果表明了改進的