微粒群優(yōu)化算法的改進與應用.pdf

1、如今，隨著計算機科學與技術的迅速發(fā)展，人類生存空間的擴大以及認識與改造世界范圍的拓寬，人們對科學技術提出了新的和更高的要求，其中高效的優(yōu)化技術和智能計算的要求日益迫切。微粒群優(yōu)化算法是一種新興的智能優(yōu)化算法，其概念簡單實現容易，自從kennedy和Eberhart于1995年提出以來，在短短幾年之內便獲得了很大的發(fā)展，并在一些領域獲得了成功應用。微粒群優(yōu)化算法具有較強的全局搜索能力，但同時也有易陷入局部極值的缺點。本文主要研究了微粒群優(yōu)

2、化算法的改進與應用，并進行了仿真研究。主要研究內容如下： 模擬退火算法具有較強的局部搜索能力，并能避免陷入局部最優(yōu)解，但它的全局搜索能力不強。本文將微粒群優(yōu)化算法和模擬退火算法結合，提出一種基于模擬退火的微粒群優(yōu)化算法。該算法能克服微粒群優(yōu)化算法容易陷入局部極值的缺點，且不斷縮小優(yōu)化變量的搜索空間，有較高的搜索效率。應用該算法對測試函數進行優(yōu)化計算，得到了滿意的效果。 對旅行商問題、車輛路徑問題、物流配送中心選

3、址問題這三種受約束的、離散的組合優(yōu)化問題，本文采用微粒群優(yōu)化算法分別進行了應用研究。 對微粒群優(yōu)化算法的速度位置算式進行了改進，提出一種改進的微粒群優(yōu)化算法，該算法符合組合優(yōu)化問題的特點，在求解旅行商問題上有較高的搜索效率。將此 改進微粒群優(yōu)化算法分別應用于14個點的TSP問題以及中國旅行商問題中，都在較短時間內獲得了目前已知的最好解。 設計了求解車輛路徑問題的一種新的實數編碼方案，將車輛路徑問題轉化成準連續(xù)優(yōu)化問

4、題，并采用罰函數法處理約束條件。應用該微粒群優(yōu)化算法求解了多個車輛路徑問題的算例，并與遺傳算法和雙種群遺傳算法進行了比較。計算結果表明，該算法可以更有效地求得車輛路徑問題的優(yōu)化解，是解決車輛路徑問題的有效方法。 構造了微粒表達方法，提出了物流配送中心選址問題的一種混合微粒群優(yōu)化算法。通過整數規(guī)范化，微粒群能在整數空間內對問題進行優(yōu)化求解。該算法能克服基本微粒群優(yōu)化算法精度較低，易發(fā)散的缺點，有較高的搜索效率。實驗仿真證明了該算法