基于粒子群的連續(xù)優(yōu)化問題適應(yīng)度地貌分析及應(yīng)用研究.pdf

1、連續(xù)優(yōu)化問題屬于最優(yōu)化問題的一個(gè)大類，而使用啟發(fā)式算法對(duì)其進(jìn)行求解，是目前一個(gè)普遍使用的手段。啟發(fā)式算法的運(yùn)行效率由算法設(shè)計(jì)與問題結(jié)構(gòu)共同決定，然而對(duì)于問題結(jié)構(gòu)缺乏一套行之有效的分析方法，使對(duì)連續(xù)優(yōu)化問題的解空間缺乏相應(yīng)的信息與知識(shí)，導(dǎo)致所應(yīng)用算法與問題并不一定相匹配，造成求解效率低下。
　　本文嘗試將普遍應(yīng)用于組合優(yōu)化問題中的適應(yīng)度地貌分析引入連續(xù)優(yōu)化問題中，提出一種結(jié)合粒子群算法進(jìn)行連續(xù)優(yōu)化問題適應(yīng)度地貌分析的方法，通過適應(yīng)度

2、地貌分析反映問題特征，并以此為依據(jù)選擇與設(shè)計(jì)有針對(duì)性的算法進(jìn)行問題求解。首先，證明在測(cè)試函數(shù)上運(yùn)行良好的算法并不一定能適用于新問題，即新問題不一定能享受舊算法的免費(fèi)午餐。其次，提出一種結(jié)合粒子群進(jìn)行探測(cè)的適應(yīng)度地貌描繪方法，將粒子群在解空間中運(yùn)行時(shí)多次停留于同一位置的個(gè)體最優(yōu)解作為尋找局部極值的依據(jù)，繪制解空間的適應(yīng)度地貌。最后，將這一方法運(yùn)用在人工神經(jīng)網(wǎng)絡(luò)權(quán)值訓(xùn)練中，證明人工神經(jīng)網(wǎng)絡(luò)的解空間適應(yīng)度地貌具有階梯下降的特征，并針對(duì)這一特征