粒子群算法的改进与应用研究

【摘要】： 20世纪以来,群体智能的诞生使优化领域得到了很大的发展。科学家们在研究生物群体行为时得到了启示,提出了许多基于群体智能的算法,粒子群优化算法是群智能算法中的一支新军,它是一种基于种群搜索策略的自适应随机算法,被提出以来得到国内外众多学者们的关注。由于它算法简单、参数较少、易于程序设计的特点,在工程实践中,已广泛的应用于函数优化、参数优化、神经网络的训练、PID参数整定等领域。 本文从粒子群算法的基本原理、参数选择及应用等方面着手,通过对传统的粒子群算法收敛较慢、易陷入局部最优的问题的研究,提出了一种基于参数调整的改进方法,调整了传统的粒子群算法中的参数,使粒子寻优过程中速度与方向的变异随着迭代次数的变化而变化,这样可以加强粒子在寻优过程晚期的搜索能力,运用Schaffer's测试函数进行仿真,结果证明这种改进的方法是可行和有效的。 在文章第一部分首先介绍了粒子群算法的研究现状。第二部分详细的论述了算法的理论和应用研究。在第三部分中介绍了新提出的改进方法,并对其进行函数测试。最后一部分是对粒子群算法在多目标优化问题中的应用研究。