粒子群算法的改進及其在基因表達數(shù)據(jù)聚類中的應(yīng)用.pdf

1、粒子群優(yōu)化算法是一種模擬鳥類群體行為的智能優(yōu)化算法，現(xiàn)已成為進化算法的一個新的重要分支。粒子群算法思想直觀、實現(xiàn)簡單而且具有很高的執(zhí)行效率，自提出以來，受到國內(nèi)外眾多學者的關(guān)注。但是，粒子群算法發(fā)展歷史尚短，理論研究不深，在處理特定問題及應(yīng)用中還存在一些問題。于是，粒子群優(yōu)化算法的改進和為其開拓新的應(yīng)用領(lǐng)域成為目前優(yōu)化算法研究的熱點。
　　首先，本文提出了一種基于粒子成長階段的粒子群改進算法。該算法采用變異機制使得粒子群能有效地跳

2、出局部極值；采用人在社會中扮演的角色以及人的成長過程來定義粒子，通過劃分粒子的成長階段，使得處于不同階段的粒子采用不同的學習因子。利用一組具有代表性的基準優(yōu)化測試函數(shù)對該算法進行測試，以此來驗證該算法的有效性。
　　其次，本文提出了一種基于雙重變異的粒子群改進算法。避免粒子群早熟收斂的主要措施是保持種群多樣性或者引入跳出局部極值點的機制。該算法采用非線性動態(tài)調(diào)整慣性權(quán)值和自適應(yīng)雙重變異機制，使得算法利于平衡粒子的開發(fā)和探測能力并且