收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群算法的研究与应用

管月智  
【摘要】:最优化问题,在资源配置中是指在满足限制条件下如何分配资源才能使系统所需要的成本最少,获得的经济效益最多。本文研究的经济负荷分配问题就是其中较为典型的一类,根据优化目标个数的不同,可以分为单目标和多目标两类经济负荷分配问题。 混沌具有初值敏感性、随机性、遍历性等特性。本文将它作为一种新的研究方法,以其具有的优良特性已成功地和多种算法进行了结合。这些结合主要是利用混沌的遍历特性,在某一范围内随机搜索性能更好的状态。不同搜索方式的效率不同,找到性能更好状态的可能性也不一样。本文首先改进了一种Tent映射,使其产生的混沌序列更加均匀。而后提出了一种新的半径线性递减的混沌搜索方式,通过对比实验说明新的搜索方式比传统的载波搜索方式具有更高的效率。 粒子群算法作为启发式优化算法中的一种,是一类模拟鸟群或鱼群社会行为的智能算法。其作为一种优化工具已广泛的应用到单目标和多目标的寻优过程中。传统粒子群算法在单目标的寻优过程中存在着进化后期易“停滞”的现象,同时种群还有可能陷入到局部最优点。同样在多目标的寻优过程中种群也存在着易陷入局部最优点的缺陷。本文通过融合新的混沌搜索方式克服了以上缺陷。此外在多目标的寻优过程中,利用局部混沌搜索方法还可以增强求得解的多样性和收敛性。最后文章通过解决单目标的经济负荷分配问题和多目标的经济负荷分配问题来进一步说明改进算法具有更高的效率。在解决单目标负荷分配问题时,改进算法求出的解所消耗的总能量更小。在解决多目标负荷分配问题时,改进算法能综合考虑能量消耗和污染排放量因素,求出的解在消耗相同能量时污染排放量更少。


知网文化
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978